基于slam的移动机器人导航算法研究.doc
约70页DOC格式手机打开展开
基于slam的移动机器人导航算法研究,基于slam的移动机器人导航算法研究页数：70字数：30005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...
内容介绍
此文档由会员 cnlula 发布
基于SLAM的移动机器人导航算法研究
页数：70 字数：30005
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，SLAM）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/VFH＋Abstract
Intelligent robots are a kind of robots that are able to work in complex environments 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 of 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 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 is 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 association, 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 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 1
1.1课题研究的目的与意义 1
1.2课题研究的内容 2
1.3论文组织结构 2
第2章 移动机器人导航技术 4
2.1机器人导航概述 4
2.2移动机器人导航方式 4
2.3移动机器人的定位问题 6
2.4移动机器人的制图问题 7
2.4.1 地图的类型 7
2.4.2机器人制图存在的问题 8
2.4.3 同时定位与制图问题 9
2.5 本章小结 10
第3章 同时定位与制图（SLAM）算法 11
3.1 同时定位与制图算法介绍 11
3.1.1 SLAM算法性质 11
3.1.2 SLAM算法分类 12
3.2 基于特征SLAM算法构架简介 14
3.3传感器的选择及特征提取 15
3.3.1传感器选择 15
3.3.2特征提取 17
3.4噪音模型建立 17
3.5滤波技术简介 17
3.6卡尔曼滤波简介 18
3.6.1线性卡尔曼滤波简介 19
3.6.2 扩展卡尔曼滤波（EKF）简介 21
3.7 本章小结 22
第4章 一种基于线特征SLAM算法研究 24
4.1过程模型建立 24
4.2 观测模型的建立 26
4.3 算法的实施 26
4.3.1 机器人运动初始化 26
4.3.2 数据匹配 27
4.3.3 状态更新 30
4.3.4 新信息处理 31
4.3.5 地图管理 32
4.4 SLAM算法仿真 33
4.4.1 仿真环境的创建 33
4.4.2 SLAM算法示例 35
4.5本章小结 37
第5章 机器人避障算法 38
5.1 常见的避障算法介绍 38
5.2 VFH避障算法介绍 39
5.2.1 （Certainty Value）值的确定 39
5.2.2 VFH算法阐述 41
5.2.3 VFH+ 算法阐述 43
5.3 VFH+算法仿真 47
5.3.1 仿真环境的创建 47
5.3.2 仿真结果说明 49
5.4 本章小结 51
第6章 基于SLAM的导航算法 52
6.1基于SLAM的导航算法介绍 52
6.2基于SLAM的导航算法特点 53
6.3导航新算法的仿真 54
6.4本章小结 55
第7章 全文总结及展望 56
7.1全文总结 56
7.2本文主要贡献 57
7.3未来研究方向 57
参考文献 58
致 谢 62
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究不断提出新的课题，使移动机器人的导航研究不断深入和发展。
1.1课题研究的目的与意义
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。智能导航研究的目标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。机器人通过装配的信息获取设备来获得外部环境信息，判定自身状态，实现自我定位，规划并执行下一步动作。
在移动机器人导航控制理论和方法研究中，确定性环境的导航控制方法已经取得了大量的研究和应用成果。对未知环境中的导航控制也开展了一些研究，并提出了若干方法，但是尚未形成统一和完善的体系结构，还有许多关键理论和技术问题有待解决与完善。这些问题包括环境的建模、定位、导航控制器的学习与优化、故障诊断以及路径规划等。未知环境中的移动机器人只具有较少的先验知识，其导航控制方法涉及环境认知、优化策略、知识表示与获取等多项关键问题。对移动机器人
页数：70 字数：30005
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，SLAM）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/VFH＋Abstract
Intelligent robots are a kind of robots that are able to work in complex environments 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 of 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 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 is 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 association, 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 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 1
1.1课题研究的目的与意义 1
1.2课题研究的内容 2
1.3论文组织结构 2
第2章 移动机器人导航技术 4
2.1机器人导航概述 4
2.2移动机器人导航方式 4
2.3移动机器人的定位问题 6
2.4移动机器人的制图问题 7
2.4.1 地图的类型 7
2.4.2机器人制图存在的问题 8
2.4.3 同时定位与制图问题 9
2.5 本章小结 10
第3章 同时定位与制图（SLAM）算法 11
3.1 同时定位与制图算法介绍 11
3.1.1 SLAM算法性质 11
3.1.2 SLAM算法分类 12
3.2 基于特征SLAM算法构架简介 14
3.3传感器的选择及特征提取 15
3.3.1传感器选择 15
3.3.2特征提取 17
3.4噪音模型建立 17
3.5滤波技术简介 17
3.6卡尔曼滤波简介 18
3.6.1线性卡尔曼滤波简介 19
3.6.2 扩展卡尔曼滤波（EKF）简介 21
3.7 本章小结 22
第4章 一种基于线特征SLAM算法研究 24
4.1过程模型建立 24
4.2 观测模型的建立 26
4.3 算法的实施 26
4.3.1 机器人运动初始化 26
4.3.2 数据匹配 27
4.3.3 状态更新 30
4.3.4 新信息处理 31
4.3.5 地图管理 32
4.4 SLAM算法仿真 33
4.4.1 仿真环境的创建 33
4.4.2 SLAM算法示例 35
4.5本章小结 37
第5章 机器人避障算法 38
5.1 常见的避障算法介绍 38
5.2 VFH避障算法介绍 39
5.2.1 （Certainty Value）值的确定 39
5.2.2 VFH算法阐述 41
5.2.3 VFH+ 算法阐述 43
5.3 VFH+算法仿真 47
5.3.1 仿真环境的创建 47
5.3.2 仿真结果说明 49
5.4 本章小结 51
第6章 基于SLAM的导航算法 52
6.1基于SLAM的导航算法介绍 52
6.2基于SLAM的导航算法特点 53
6.3导航新算法的仿真 54
6.4本章小结 55
第7章 全文总结及展望 56
7.1全文总结 56
7.2本文主要贡献 57
7.3未来研究方向 57
参考文献 58
致 谢 62
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究不断提出新的课题，使移动机器人的导航研究不断深入和发展。
1.1课题研究的目的与意义
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。智能导航研究的目标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。机器人通过装配的信息获取设备来获得外部环境信息，判定自身状态，实现自我定位，规划并执行下一步动作。
在移动机器人导航控制理论和方法研究中，确定性环境的导航控制方法已经取得了大量的研究和应用成果。对未知环境中的导航控制也开展了一些研究，并提出了若干方法，但是尚未形成统一和完善的体系结构，还有许多关键理论和技术问题有待解决与完善。这些问题包括环境的建模、定位、导航控制器的学习与优化、故障诊断以及路径规划等。未知环境中的移动机器人只具有较少的先验知识，其导航控制方法涉及环境认知、优化策略、知识表示与获取等多项关键问题。对移动机器人
