论文部分内容阅读
高效的机器人导航需要提前获得地图。为了自动获得地图,需要机器人在保证地图完全覆盖的前提下,以最小的成本和时间探索未知环境。针对单机器人系统检测速度慢、环境信息感知不完全、系统鲁棒性差的问题,将快速探索随机树算法应用于多机器人系统边界点的快速检测,利用改进的基于市场机制的多机器人系统自主地图构建任务分配算法,将目标点分配给每个机器人,有效地协调了机器人之间的行为,提高了地图构建的效率。主要研究内容如下:(1)基于机器人操作系统Robot Operating System,通过对Hassan的rrt_exploration探索平台的改进建立了基于快速探索随机树的多机器人自主建图平台Multirobot_exploration_Map,改进了多机器人自主地图构建任务分配模块和地图融合方法。使用了Voronio多边形对环境进行划分,快速探索随机树算法逐次对所有Voronoi多边形进行探索,检测出已知区域和未知区域的边界点,为接下来的多机器人自主地图构建任务分配方法奠定了基础。(2)利用所得出的已探索区域和未探索区域的边界划分,设计了一种基于市场机制方法的多机器人系统自主地图构建的任务分配方法。仿真结果表明,所提方法能够合理的分配边界点,并在合理的时间内完成整个地图的构建,与传统算法相比该方法能以更少的路径完成地图构建并能在一定程度上避免机器人对同一区域进行重复探索,从而降低了地图构建成本,提高了多机器人地图构建的效率。(3)在机器人完成探索建图任务之后,需要将每个机器人建立的局部地图融合为一个全局地图。针对地图融合问题中各机器人参考坐标系之间转换的问题,在Horner提出的地图融合算法的基础上,利用了机器人的多传感器数据,计算出每个机器人的初始位置和方向,建立了多机器人全局坐标系。同时基于变换方法,找到局部地图之间的重叠区域,并使用一组变换和相似性启发式算法将局部地图融合成一个全局地图。