基于激光测距仪的同步定位与建图研究

《基于激光测距仪的同步定位与建图研究》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、武汉科技大学硕士学位论文第1页摘要同步定位与建图(S圳)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

2、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

3、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。关键词：移动机器人；同步定位与建图；扩展卡尔曼滤波器；扫描匹配第1I页武汉科技大学硕士学位论文AbstractSimultaneouslocalizationandmapping(SLAM)pro

4、blemisakeyissueforautonomousmobilerobot．SLAMproblemnotonlyisveryimportanttoaccomplishautonomousnavigationandothercomplexintelligenttasks，butalsoembodiesperceptionabilityandintelligenceofrobots．Asaverycomplicatedproblem，SLAMproblemrelatestomanyaspectsofmobil

5、erobotresearch，especiallytorepresentationofenvironment，descriptionandhandlingofuncertaininformation,dataassociation,explorationstrategy,andSOon．Thispaperfocusesontheoryandimplementationofsimultaneouslocalizationandmapping．Themainresearchachievementsareasfol

6、lowings．Threemethodsofenvironmentrepresentationareintroduced，includingtopologicalmaps，occupancygrids，andfeaturemaps．Indoorenvironmentismodeledasfeaturemapsinceithasplentyofsegments，andanagglomerativehierarchicalclusteringalgorithmisusedtoextractlinefeatures

7、andbuildlocalmaps．TheprobabilisticformandgraphicalmodelofSLAMproblemareintroduced．Also，thetwomainsolutionstotheSLAMproblem，includingextendedKalmanfiltermethodandRao-Blackwellizedparticlefiltermethodareintroduced．AnalgorithmforsolvingSLAMproblemforindoorenvi

8、ronmentispresentedinthispaper．Theconsideredscenarioisthatofamobilerobotusinga2Dlaserrangefinderprovidingrangescansandtwoeneodersusedasodometry．Anagglomerativehierarchicalclusteringalgorithmisusedtoextr