智能清扫机器人地图创建及创建中的关联算法研究

论文摘要

近年来随着科技水平和人们生活水平的提高,使得智能清扫机器人这一智能化的家用电器开始出现在人们生活当中。智能清扫机器人开始受到人们越来越多的关注,同时智能清扫机器人能够完成任务的能力和效率也变的越来越高。而清扫机器人未知环境的地图构建是清扫机器人能够完成一系列任务的关键环节,对此本文主要就清扫机器人的环境地图创建及创建中的数据关联算法展开了研究,研究包含了以下几个方面：1.本文研究了清扫机器人室内局部地图的创建和室内特征点的检测。清扫机器人根据测距传感器获得环境距离数据,通过对数据进行基于距离的分割得到了各个线性区域,接着对各线性区域用最小二乘法进行直线拟合,实现了局部地图的创建,同时根据人们对环境的认识,完成了角点和断点的检测。2.本文研究了地图创建中的SLAM算法,设计并实现了一种基于扩展卡尔曼滤波器的同时定位与地图创建算法。该算法可以提高清扫机器人的定位精度,为全局地图的创建提供了条件。3.本文对SLAM算法中的数据关联问题进行了重点的分析,给出了一种适合于室内环境中的联续兼容最近邻算法。该方法将环境中的特征点各自赋予权值,利用权值大小,优先选择关联可能性大的特征点进行关联,提高了关联的正确率。4.本文研究了全局地图的创建,给出了一种通过融合局部地图与全局地图,进行全局地图创建的方法。该方法比较局部地图和全局地图中的线段的位置关系,将地图中的线段分为：相关线段、新增线段、临时线段三类,通过采用不同的处理流程,实现了全局地图的创建。

论文目录

• 摘要
• ABSTRACT
• 1 绪论
• 1.1 引言
• 1.1.1 智能清扫机器人研究背景
• 1.1.2 智能清扫机器人研究意义
• 1.2 智能清扫机器人研究现状
• 1.2.1 国外研究现状
• 1.2.2 国内研究现状
• 1.3 智能清扫机器人研究中的关键技术
• 1.3.1 传感器技术
• 1.3.2 环境建模技术
• 1.3.3 定位技术
• 1.3.4 路径规划技术
• 1.3.5 吸尘、清扫技术
• 1.4 本文研究内容
• 2 室内局部地图创建与特征点检测
• 2.1 引言
• 2.2 环境特征检测技术
• 2.2.1 基于可见光的视觉传感器
• 2.2.2 基于深度信息的视觉传感器
• 2.2.3 基于距离信息的传感器
• 2.3 地图表示方法
• 2.3.1 几何特征地图
• 2.3.2 栅格地图
• 2.3.3 拓扑地图
• 2.4 局部地图的创建
• 2.4.1 数据预处理
• 2.4.2 基于距离的区域分割
• 2.4.3 线段提取
• 2.4.4 线段拟合
• 2.4.5 同线合并
• 2.5 局部环境特征点的检测
• 2.5.1 断点的检测
• 2.5.2 角点的检测
• 2.6 实验与分析
• 2.7 本章小结
• 3 地图创建中的SLAM算法
• 3.1 引言
• 3.2 卡尔曼滤波器算法原理
• 3.3 扩展卡尔曼滤波器算法
• 3.4 基于EKF的清扫机器人SLAM算法
• 3.4.1 清扫机器人的状态模型
• 3.4.2 状态初始化
• 3.4.3 状态预测过程
• 3.4.4 观测测量及预测过程
• 3.4.5 状态向量更新过程
• 3.4.6 状态向量增广过程
• 3.5 EKF-SLAM算法的改进
• 3.6 仿真实验及分析
• 3.7 本章小结
• 4 SLAM算法中数据关联的研究
• 4.1 引言
• 4.2 数据关联中的基本概念
• 4.2.1 马氏距离
• 4.2.2 卡方分布
• 4.2.3 门限过滤
• 4.3 SLAM中的数据关联算法研究
• 4.3.1 独立相容最近邻算法
• 4.3.2 联合兼容算法
• 4.3.3 联续兼容最近邻算法及其改进
• 4.3.4 其他数据关联方法
• 4.4 仿真实验与分析
• 4.5 本章小结
• 5 全局地图的创建
• 5.1 引言
• 5.2 平面坐标转换
• 5.2.1 特征点局部坐标向全局坐标的转换
• 5.2.2 特征点全局坐标向局部坐标的转换
• 5.2.3 特征线段局部坐标向全局坐标的转换
• 5.2.4 特征线段全局坐标向局部坐标的转换
• 5.3 全局地图的创建
• 5.3.1 相关线段判断
• 5.3.2 相关线段的融合
• 5.3.3 全局地图的创建
• 5.4 实验与结论
• 5.5 本章小结
• 6 总结与展望
• 6.1 课题总结
• 6.2 不足与展望
• 致谢
• 参考文献