《I 摘 要 机器人的应用已经越来越广泛 移动机器人则是机器人技术实用化 普及化的 生力军 移动机器人在实际应用中首先遇到的就是机器人本身的定位问题》由会员分享，可在线阅读，更多相关《I 摘 要 机器人的应用已经越来越广泛 移动机器人则是机器人技术实用化 普及化的 生力军 移动机器人在实际应用中首先遇到的就是机器人本身的定位问题（10页珍藏版）》请在金锄头文库上搜索。
1、I 摘 要 机器人的应用已经越来越广泛 移动机器人则是机器人技术实用化 普及化的 生力军 移动机器人在实际应用中首先遇到的就是机器人本身的定位问题,即移动机 器人根据各种信息判断自身与环境的相对位置和姿态的问题 在很多实际应用中 机器人的位置信息是完成各种任务的前提。 本文从移动机器人的历史和现状出发 比较了国内外的不同发展状况 对移动 机器人领域的研究方向进行了综述 本文还介绍了机器人定位过程中可能存在的不 确定性因素 根据是否预知环境地图的不同 机器人定位可划分为两大类 基于地 图的定位与不基于地图的定位 本文采用前者 针对试验平台 论文介绍了机器人 定位过程中需要注意的坐标变换 地图建立
2、 模型建立等问题 最后 针对当前一 般定位算法无法解决动态问题和计算量大的问题 本文重点研究了蒙特卡罗定位算 法和改进后的均匀蒙特卡罗算法 。本文研究的蒙特卡罗定位算法 MCL 实际上是一种迭代性的贝耶斯方法 它 描述的是基于传感器信息的机器人位姿的概率分布 其关键点是用采样点集来描述 机器人位姿的后验分布 当机器人获得里程数据或者指令时 MCL 算法进行运动 模型更新 当机器人获得传感器数据时 进行传感器 感知 模型更新 该算法具 有低运算量的优点 而均匀蒙特卡罗算法采用均匀分布来描述位姿信息的信任度概 率 这种算法虽然分布简单 但是鲁棒性强 计算量更小 而且由于采用贝耶斯法 则 该算法还具
3、有多传感器融合的作用。本文利用Pioneer II 移动机器人的仿真平台对上述算法和策略进行了实验 实验 结果和分析证明了使用的原理和算法的有效性和正确性。论文结尾对全文进行了总结并对机器人研究有关方面作了展望 关键词 移动机器人 声纳传感器 定位 蒙特卡罗 均匀蒙特卡罗 II Abstract Robot is playing an increasingly important role in peoples life. Mobile robot is doing a good job in the application of robotics. The localization prob
4、lem is a key problem in mobile robotics. It is estimating a robots pose relative to its environment from sensor data. That is one of the pre-requistion to practical use of mobile robots. This thesis makes a summary on different research aspects of mobile robot and compares the different development
5、level of foreign and domestic. Some uncertainty factors during the mobile robot localization are given .We can classify the localization methods into the map-based localization and the not-map-based one in terms of the known environment data or not, the former we choose. Aim for the experiment flat,
6、 this theiss introduces several aspects which must be focused on during the localization, for example, the coordinate transformations, map-building, model establishment and so on. The Monte Carlo (MCL) localization algorithm and Uniform MCL come after those contents to resolve the dynamic and comput
7、ation questions. MCL is a recursive Bayes filter that estimates the posterior distribution of robot poses conditioned on sensor data. The key idea of MCL is to represent the belief by a set of samples, drawn according to the posterior distribution. When the robot gets odometer data or takes an actio
8、n, the movement model updates; when the robot gets sensor data, the sensor (perception) model updates. MCL has an advantage of low computational cost. Uniform Monte Carlo Localization uses uniform distribution as probability of local position in MCL. Even though the distribution is simple, the UMCL
9、works better. This algorithm is more robust and has lower computational cost. Thanks for the use of the Bayes rule , the algorithm also fuses the sensor datas.We experiment with the simulator on Pioneer II robot and the experiments results verify that the above strategy and algorithm is correct and
10、effective.In the end this paper summarizes about full text and looks ahead several mobile robots localization research aspects.keywords Mobile robot, Sonar sensor, Localization, Monte Carlo, Uniform Monte Carlo 1 1 导 言 1.1 绪论 1.1.1 移动机器人的历史与现状 随着社会的进步 机器人的应用越来越广泛 几乎渗透到所有领域 而移动机 器人是机器人学中的一个重要分支 早在60
11、年代 就已经开始了关于移动机器人的 研究 关于移动机器人的研究涉及许多方面 首先 要考虑移动方式 可以是轮式 的 履带式 腿式的 对于水下机器人 则是推有式 1 斯坦福研究院(SRI)的 Nils Nilssen 和Charles Rosen 等人 在1966 年至1972 年中研造出了取名Shakey 的自主 移动机器人 目的是研究应用人工智能技术 在复杂环境下机器人系统的自主推理 规划和控制 2 与此同时 最早的步行机器人也研制成功 从而开始了机器人步行机 构方面的研究 以解决机器人在不平整地域内的运动问题 设计并研制出了多足步 行机器人 其中最著名是名为General Electric
12、Quadruped 的步行机器人 3 70 年代末 随着计算机的应用和传感技术的发展 移动机器人研究又出现了新的高潮 特别是 在80 年代中期 设计和制造机器人的浪潮席卷全世界 一大批世界著名的公司开始 研制移动机器人平台 这些移动机器人主要作为大学实验室及研究机构的移动机器 人实验平台 从而促进了移动机器人学多种研究方向的出现 90 年代以来 以研制 高水平的环境信息传感器和信息融合技术 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 4 移动机器人研究发 展状况以国内和国外来分1 国外移动机器人的发展概况 美国国家科学委员会曾预言 20 世纪的核
13、心武器是坦克 21 世纪的核心武器 是无人作战系统 其中2000 年以后遥控地面无人作战系统将连续装备部队 并走向 战场 为此 从80 年代开始 美国国防高级研究计划局 DARPA 专门立项 制 定了地面无人作战平台的战略计划 从此 在全世界掀开了全面研究室外移动机器 2 人的序幕 如DARPA 的 战略计算机 计划中的自主地面车辆 ALV 计划 1983 1990 能源部制订的为期10 年的机器人和智能系统计划 RIPS 1986 1995 , 以及后来的空间机器人计划 日本通产省组织的极限环境下作业的机器人计划等 美国航空暨太空总署(NASA)研制的火星探测机器人索杰那于 1997 年登上
14、火星 这 一事件向全世界进行了报道 德国研制了一种轮椅机器人 并在乌尔姆市中心车站 的客流高峰期的环境和1998 年汉诺威工业商品博览会的展览大厅环境中进行了实地 现场表演 5 而美国的火星探测移动机器人已经登陆火星 引起了全世界的广泛关注 2 国内移动机器人研究概况 国内在移动机器人的研究起步较晚 大多数研究尚处于某个单项研究阶段 主 要的研究工作有 清华大学智能移动机器人于1994 年通过鉴定 涉及到五个方面的 关键技术 6 基于地图的全局路径规划技术研究 准结构道路网环境下的全局路径规 划 具有障碍物越野环境下的全局路径规划 自然地形环境下的全局路径规划 基 于传感器信息的局部路径规划技
15、术研究 基于多种传感器信息的 感知 动作 行为 基于环境势场法的 感知 动作 行为 基于模糊控制的局部路径规划与 导航控制 路径规划的仿真技术研究 基于地图的全局路径规划系统的仿真模拟 室外移动机器人规划系统的仿真模拟 室内移动机器人局部路径规划系统的仿真模 拟 传感技术 信息融合技术研究 差分全球卫星定位系统 磁罗盘和光码盘定位 系统 超声测距系统 视觉处理技术 信息融合技术 智能移动机器人的设计和实 现 香港城市大学智能设计 自动化及制造研究中心的自动导航车和服务机器人 中国科学院沈阳自动化研究所的 AGV 和防爆机器人 中国科学院自动化所自行设 计 制造的全方位移动式机器人视觉导航系统
16、清华大学于2003 年7 月研制成功的 THMR V 智能车等 1.1.2 移动机器人主要研究的方向 1 导航和定位 导航和定位是移动机器人研究的两个重要问题 移动机器人的导航方式可分为 基于环境信息的地图模型匹配导航 基于各种导航信号的陆标导航 基于视觉导航 3 和味觉导航等 环境地图模型匹配导航是机器人通过自身的各种传感器 探测周围 环境 利用感知到的局部环境信息进行局部地图构造 并与其内部事先存储的完整 地图进行匹配 而定位是移动机器人控制领域的最基本的问题 7 它是指机器人根据 获得的环境信息判断自身的位姿 也包括地图构造和地图匹配问题 2 路径规划 路径规划技术是机器人研究领域中的一个重要分支 所谓机器人的最优路径规 划问题 就是依据某个或某些优化准则(如工作代价最小 行走路线最短 行走时间 最短 行走能量消耗最低等) 在其工作空间中找到一条从起始状态到目标状态的能 避开障碍物的最优路径 机器人路径规划方法大致可以分为两类 8 传统方法和智 能方法
