《硕士学位论文-未知环境下基于SLAM的移动机器人导航算法研究》由会员分享，可在线阅读，更多相关《硕士学位论文-未知环境下基于SLAM的移动机器人导航算法研究（70页珍藏版）》请在金锄头文库上搜索。
1、武汉理工大学硕士学位论文（申请工学硕士学位论文） 未知环境下基于SLAM的移动机器人导航算法研究 培养单位：物流工程学院 学科专业：机械制造及自动化研 究 生： 指导教师： 教授2006年5月- 65 - - 分类号 密 级 UDC 学校代码 10497 学位论文中文题目：未知环境下基于SLAM的移动机器人导航算法研究 英文题目： A Research to the SLAM-based Navigation Algorithm for Mobile Robots in Unknown Environments 研究生姓名： 指导教师：姓名 职称 教授 学位 博士 单位名称 物流工程学院 邮编
2、 430063 申请学位级别 硕 士 学科专业名称 机械制造及自动化 论文提交日期 2006.4 论文答辩日期 2006.5 学位授予单位 武汉理工大学 学位授予日期 答辩委员会主席 评阅人 2006年5月摘 要 智能移动机器人是一种在复杂的环境下工作的具有自规划、自组织、自适应能力的机器人。导航算法的研究是智能机器人研究领域的一个热点话题。智能导航的目的就是在没有人干预下使机器人有目的地移动并完成特定任务，进行特定操作。本文旨在结合国家自然科学基金和湖北省青年杰出人才基金项目的需求，研究移动机器人同时定位与制图（Simultaneous Localization and Mapping，SL
3、AM）问题，并在此基础上，研究机器人导航算法，使得机器人在完全未知结构化环境中实现“完全自主”。 文章首先回顾了导航技术的发展，对导航技术中的核心问题：定位与制图进行了详细分析，指出了机器人定位与制图研究中存在的问题，包括制图复杂度、数据匹配难度以及定位制图关联度等；在此基础上引出了本研究的重点：移动机器人同时定位与制图（SLAM）算法，并对其算法构架、属性、以及分类等相关内容进行了介绍。针对基于点特征的同时定位与制图算法中存在的计算复杂度与信息丰富度之间的矛盾，本文提出了一种基于线特征的同时定位与制图算法。文章对基于线特征的SLAM算法进行了详细的阐述，给出了包括机器人运动模型、观测模型的建
4、立、数据匹配、状态更新、地图建立、地图管理等方面的相关公式；并通过仿真实验证实了本算法的正确性与可靠性。针对导航算法中对路径规划的要求，本研究中着重考虑了机器人的局部规划即：避障；并对避障算法VFH/VFH进行了剖析。根据VFH/VFH算法与SLAM算法的特点，将二者相结合，形成了一种新的机器人导航算法。该导航算法较基于VFH/VFH的导航算法而言，使用范围更广，导航效果更佳。关键词：导航，同时定位与制图，VFH/VFHAbstract Intelligent robots are a kind of robots that are able to work in complex enviro
5、nments with the capacities of self-organizing and self-planning. Navigation problem is a hot issue concerned in researching on such kind of robots. Its aim is to move purposely and do the job without aids. With supports of the project of National Natural Science Foundation of China and the project o
6、f Excellent Youth Fund in Hubei province, this paper aims to develop a new algorithm for navigating based on the Simultaneous Localization and Mapping (SLAM) algorithm to make the robots totally autonomous in the unknown but structured environments. The navigation techniques are firstly reviewed in
7、this paper and then the Simultaneous Localization and Mapping (SLAM) problem is introduced, based on the analysis of the localization problem and the map building problem which are two key points in the navigation techniques, including its structure, characteristics, categories and so on. As there i
8、s a conflict between the requirements of computational complexity and information-richness within the point-feature based SLAM algorithm, a line-feature based SLAM algorithm is well presented in this paper. All operations required for building and maintaining this map，such as model-setting, data ass
9、ociation, and state-updating are described and formulated. This approach has been programmed and successfully tested in the simulation work To meet the need of path planning in navigation, here we mainly concern the local planning, that is, obstacle avoiding. We introduce the VFH/VFH+, an algorithm
10、for obstacle avoidance, in detail in the paper. What is more, in our work, we combine VFH and SLAM together to develop a new way for navigation, which has more applications and behaves better than the one based merely on VFH does.Key words: navigation, SLAM, VFH/VFH目 录第1章 绪 论11.1课题研究的目的与意义11.2课题研究的内
11、容21.3论文组织结构2第2章 移动机器人导航技术42.1机器人导航概述42.2移动机器人导航方式42.3移动机器人的定位问题62.4移动机器人的制图问题72.4.1 地图的类型72.4.2机器人制图存在的问题82.4.3 同时定位与制图问题92.5 本章小结10第3章 同时定位与制图（SLAM）算法113.1 同时定位与制图算法介绍113.1.1 SLAM算法性质113.1.2 SLAM算法分类123.2 基于特征SLAM算法构架简介143.3传感器的选择及特征提取153.3.1传感器选择153.3.2特征提取173.4噪音模型建立173.5滤波技术简介173.6卡尔曼滤波简介183.6.1
12、线性卡尔曼滤波简介193.6.2 扩展卡尔曼滤波（EKF）简介213.7 本章小结22第4章 一种基于线特征SLAM算法研究244.1过程模型建立244.2 观测模型的建立264.3 算法的实施264.3.1 机器人运动初始化264.3.2 数据匹配274.3.3 状态更新304.3.4 新信息处理314.3.5 地图管理324.4 SLAM算法仿真334.4.1 仿真环境的创建334.4.2 SLAM算法示例354.5本章小结37第5章 机器人避障算法385.1 常见的避障算法介绍385.2 VFH避障算法介绍395.2.1 （Certainty Value）值的确定395.2.2 VFH算
13、法阐述415.2.3 VFH+ 算法阐述435.3 VFH+算法仿真475.3.1 仿真环境的创建475.3.2 仿真结果说明495.4 本章小结51第6章 基于SLAM的导航算法526.1基于SLAM的导航算法介绍526.2基于SLAM的导航算法特点536.3导航新算法的仿真546.4本章小结55第7章 全文总结及展望567.1全文总结567.2本文主要贡献577.3未来研究方向57参考文献58致 谢62作者攻读硕士期间参与项目及发表的论文63第1章 绪 论 机器人的诞生和机器人学的建立和发展是20世纪自动控制最具说服力的成就，是20世界人类科学技术进步的重大成果，而作为机器人中重要分支之一
14、的移动机器人更是给人们带来了无限的惊喜。移动机器人的研究始于20世纪60年代末期。斯坦福研究所（SRI）的Nils NVILSSEN和Charles Rosen等人，在1966年至1972年中研制出了取名Shakey的自主移动机器人，其目的是研究、应用人工智能技术以及在复杂环境下机器人系统的自主推理、规划和控制；20世纪70年代末，随着计算机的应用和传感器技术的发展，移动机器人研究又出现了新的高潮；20世纪90年代以来，以研制高水平的环境信息传感器和信息处理技术，高适应性的移动机器人控制技术、真实环境下的规划技术为标志，开展了移动机器人更高层次的研究1。目前，移动机器人正向着具有自组织、自学习、自适应的智能化方向发展，导航能力的高低是移动机器人智能化水平的重要体现。随着移动机器人应用领域的日益增加，对移动机器人导航研
