论文部分内容阅读
随着人工智能技术的发展，移动机器人的应用越来越广泛。在各种复杂环境下实现自主定位和导航是移动机器人完成任务的前提，移动机器人的同时定位与构建地图（SLAM）的研究是提高机器人的自主能力急需解决的关键。基于激光雷达的移动机器人SLAM导航的研究一直是移动机器人领域研究的热点。本文以移动机器人为载体，对基于激光雷达的SLAM进行了研究，以实现移动机器人自主定位和导航。通过对SLAM的原理和系统结构进行分析，建立移动机器人的运动模型及基于点特征和线特征的传感器观测模型。采用扩展卡尔曼滤波算法实现SLAM定位和建图，根据运动模型对系统状态进行预测，利用激光雷达数据提取出环境特征并进行数据关联，对机器人位姿和环境地图进行更新。经仿真实验，EKF-SLAM可以准确的估计出机器人自身的位置和环境陆标的位置。在EKF-SLAM的基础上，对EKF-SLAM的改进算法FastSLAM进行了研究和测试。FastSLAM将SLAM分为基于粒子滤波的机器人路径估计和基于EKF的陆标估计。包括新位姿采样、状态预测、环境地图更新、粒子权值计算和粒子重采样。任意给定一条路径，FastSLAM能使机器人始终沿着该路径运动，定位精度高，并降低了系统的复杂度。移动机器人的全局路径规划是导航的基础，提出了一种基于A*算法的逆向D*算法。给定一个起点和终点，移动机器人在逆向D*算法下可自主规划出合理的路径，并规避障碍物。最后对全文主要工作进行总结，并提出了SLAM机器人导航的进一步研究方向。