论文部分内容阅读
移动机器人的自主导航能力是机器人智能水平高低的重要评判依据，机器人要实现自主导航首先要解决机器人定位的问题。未知环境中移动机器人的定位首先需要建立环境地图，然而建立环境地图需要移动机器人的位姿信息，因此未知环境中机器人的定位是同时定位与建图（SLAM）的过程。移动机器人的SLAM问题是智能移动机器人领域中一个基础性问题，是移动机器人能否实现真正自主运动的关键，也是机器人智能水平的重要体现。由于移动机器人的运动范围广阔，导致其运行环境的随机性强。因此，本文中移动机器人的定位问题采用基于概率理论的数学模型。具体工作如下：（1）对整个移动机器人系统进行设计。本文将移动机器人系统分为机械系统、硬件系统、软件系统三部分。硬件系统又分为地面信息处理与控制层、车载设备管理与数据采集层、车载底层控制层，软件系统分为应用层、库函数层、系统层、底层控制层。通过运用分层和模块化技术，极大的提高了系统的开放性和可扩展性。（2）对本文采用的外部传感器KINECT进行标定，对KINECT的图像信息进行提取压缩。对于本文采用的内部传感器CMPS10，我们搭建了运动感测子系统，采用无线传输的方式，增大了机器人的灵活性。（3）在CMPS10的基础上，本文通过读取CMPS10模块的信息建立了基于加速度和方向角的移动机器人概率运动模型。在KINECT的基础上，本文分析了造成观测误差的因素并建立了移动机器人的观测概率模型。之后应用期望最大化算法，确定模型的相关参数。（4）在MRPT平台的基础上运用本文建立的机器人概率观测模型和运动概率模型，我们实现了FastSLAM算法，并机器人平台上进行实际应用。此外为了改善FastLSAM算法中粒子滤波算法部分在重采样阶段造成的粒子多样性的损失，本文提出了基于模糊理论的模糊重采样算法，通过与普通的重采样算法比较，可以看出模糊重采样算法在一定程度上减小了粒子多样性的损失。