基于激光测距仪的同步定位与建图研究

论文摘要

同步定位与建图（SLAM）是自主移动机器人领域的重要研究方向,也是机器人实现自主导航、在未知环境中完成复杂智能任务的关键,集中体现了机器人的感知能力和智能水平。同步定位与建图又是一个复杂的问题,涉及到移动机器人研究的各个方面,特别是环境的表示方法、不确定信息的描述和处理方法、数据关联、环路闭合、探测策略等问题。本文主要研究机器人同步定位与建图的理论和实现,主要工作如下:介绍了机器人学中的环境表示方法,包括拓扑地图、占有栅格地图和特征地图。针对室内环境中线段特征丰富的特点,使用特征地图表示室内环境。采用分层聚类的方法从激光测量数据中提取直线特征,并创建局部地图。介绍了同步定位与建图的概率框架、图模型。介绍了SLAM的两种主要解决方案,即扩展Kalman滤波器方法和Rao-Blackwellized粒子滤波器方法。设计了室内环境下基于激光测距仪的同步定位与建图方案。移动机器人使用二维激光测距仪测量距离,采用编码器记录机器人的路径。采用一种分层聚类的方法从原始激光测量数据中提取直线特征,并计算直线特征参数的方差矩阵。通过扩展Kalman滤波器更新机器人位姿和直线特征的参数。文中还给出了机器人的运动学模型、观测模型,预测、状态更新等方面的相关公式。采用扫描匹配的方法对创建的地图进一步校正。最后,利用移动机器人平台对本文提出的SLAM方案进行了大量实验。实验结果表明,机器人采用本方案可以在室内环境中创建特征地图,同时利用该地图进行定位。扫描匹配方法可以进一步提高创建地图的精度。实验结果验证了方案的有效性。

论文目录

• 摘要
• ABSTRACT
• 第一章 绪论
• 1.1 自主移动机器人的研究现状与进展
• 1.2 同步定位与建图（SLAM）
• 1.3 SLAM 的研究进展
• 1.4 本课题的研究任务和拟解决的关键问题
• 1.4.1 本课题的研究任务
• 1.4.2 研究计划与拟解决的关键问题
• 1.4.3 论文各部分的主要内容
• 1.5 资助本课题的专项研究基金
• 第二章 环境的表示
• 2.1 地图的分类
• 2.1.1 拓扑地图
• 2.1.2 占有栅格
• 2.1.3 特征地图
• 2.2 基于激光测距仪的直线特征提取
• 2.2.1 直线参数的估计
• 2.2.2 分割
• 2.2.3 特征辨别与线段合并
• 2.3 特征提取的实验研究
• 2.4 小结
• 第三章 同步定位与建图（SLAM）
• 3.1 SLAM 问题的建模
• 3.2 SLAM 问题的解决方案
• 3.3 扩展KALMAN 滤波器
• 3.4 基于扩展KALMAN 滤波器的SLAM
• 3.5 基于粒子滤波器的SLAM
• 3.6 SLAM 的研究趋势
• 3.7 小结
• 第四章 基于激光测距仪的SLAM 方案设计
• 4.1 过程模型
• 4.2 观测模型
• 4.3 反向变换与合成变换
• 4.4 SLAM 的预测阶段
• 4.5 SLAM 的更新阶段
• 4.6 地图中增加新特征
• 4.7 扫描匹配在SLAM 中的应用
• 4.8 小结
• 第五章 同步定位与建图的实验研究
• 5.1 移动机器人实验平台
• 5.2 局部地图创建
• 5.3 EKF-SLAM
• 5.4 加入扫描匹配后的地图
• 5.5 小结
• 第六章 结束语
• 6.1 论文的主要工作
• 6.2 论文的创新点
• 6.3 进一步的研究工作
• 参考文献
• 研究生期间发表的论文、科研成果
• 致谢