FastSLAM2.0控制法则与PGR导航法则的结合研究及其仿真

论文摘要

通过对现代国内外机器人现状和机器人相关的基本理论的介绍,我们了解到了现在机器人中的热点研究话题一定位问题。而定位与制图问题恰恰是移动机器人应用中的的重要问题之一。为了更好地解决这个问题,本文选择了FastSLAM,FastSLAM是将SLAM分解为机器人定位和特征标志的位置估计两个过程。粒子滤波器中的每个粒子代表机器人的一条可能运动路径,利用观测信息计算每个粒子的权重,以评价每条路径的好坏,从而可以提高其估计的准确性和可靠性。在机器人运动过程中的另一个重要的问题,就是导航控制（路径规划）。在路径跟踪控制问题方面,由于在笛卡尔坐标系下不能应用反馈线性化或光滑定常反馈的控制器设计方法渐近镇定系统。本文提出了尝试用非线性预测控制镇定有控制量约束和运动学约束的移动机器人,提出了一种新的导航算法--PGR算法,并且详细介绍了该算法的整个数学的推导过程。在以上理论的研究基础上,鉴于Matlab价格昂贵且使用上受到限制,在国内售后服务和技术支持也有限,而且本文的仿真的环境也不是很复杂,因此,本文选择了一款可以和Matlab相匹敌的完全免费的自由软件scilab进行仿真。在仿真过程中,首先编写了内部传感器和外部传感器的数据采集文件,用来模拟机器人在移动过程中传感器反馈回来的信息。同时也将定位算法与导航算法分别用scilab语言编写成程序文件。最后,设计了机器人整个运动过程的控制流程图,然后根据流程图和这些已建立好的数据信息对移动机器人的运动环境进行大量仿真。通过完成该设计,对现实中的移动机器人的实现也很容易,这样根据这个控制实现的可能性,跟人驾驶的车相似的车辆的运动控制就可以用该方法实现,对前方没有目标地点的情况动作也可能实现了。

论文目录

• 摘要
• Abstract
• 绪论
• 第一章 概述
• 1.1 机器人概述
• 1.2 机器人的发展
• 1.3 我国机器人前景
• 1.4 机器人控制语言与计算机系统
• 本章小结
• 第二章 基本理论
• 2.1 传感器
• 2.2 粒子滤波器
• 2.3 扩展卡尔滤波器（EKF）原理
• 2.3.1 卡尔曼滤波器
• 2.3.2 扩展卡尔曼滤波（EKF）的算法
• 第三章 同时定位与制图（SLAM）
• 3.1 SLAM概述
• 3.1.1 SLAM简介
• 3.1.2 SLAM系统原理
• 3.1.3 SLMA算法的性质
• 3.1.4 SLAM中存在累积误差问题和数据关联问题
• 3.1.5 SLAM的未来研究方向
• 3.2 SLAM问题
• 3.2.1 环境的描述—地图
• 3.2.2 SLAM中定位与环境特征提取
• 3.2.3 不确定信息的描述和处理方法
• 3.3 SLAM的实现方法分析
• 本章小结
• 第四章 FastSLAM
• 4.1 FastSLAM的比较
• 4.2 FastSLAM的基本法则
• 4.3 数据关联未知的FastSLAM
• 4.3.1 数据关联的不确定性
• 4.3.2 每个粒子的数据关联
• 4.3.3 粒子中加入新的环境物体
• 4.4 FastSLAM2.0
• 4.4.1 相关理论
• 4.4.2 提案分布
• 4.4.3 FastSLAM2.0法则
• 本章小结
• 第五章 创新导航控制PGR
• 5.1 导航绪论
• 5.2 移动机器人导航系统理论与技术的研究概况
• 5.2.1 体系结构
• 5.2.2 环境建模与定位
• 5.2.3 路径规划
• 5.3 运动控制
• 5.4 新导航法则的推导
• 本章小结
• 第六章 实验仿真
• 6.1 scilab简介
• 6.2 Scilab的特点
• 6.3 scilab与matlab比较
• 6.5 仿真
• 6.5.1 实验流程图
• 6.5.2 仿真
• 结论
• 参考文献
• 附录A 主程序
• 附录B FastSLAM程序
• 攻读硕士学位期间发表的学术论文
• 致谢