论文部分内容阅读
随着移动机器人导航问题研究的不断深入以及机器人应用领域的不断扩展，移动机器人的同时定位与地图创建(Simultaneous Localization and Mapping，SLAM)逐渐成为移动机器人领域备受关注的热点之一，具有重要的理论意义和应用价值。 自主探测的SLAM问题中，目前的研究主要是针对由目标点引导进行的同时定位与地图创建问题，未考虑环境中存在障碍物的情况。针对移动机器人SLAM中特征点同时为障碍物的情况，本文在机器人SLAM过程中，根据机器人与障碍物的相对位置，利用势场栅格法确定其下一步的运动控制策略，再根据机器人传感器观测值进行下一步的预测与状态估计。利用所提算法，机器人能够在特征点同时为障碍物的情况下进行同时定位与地图创建，提高了机器人在未知环境下的适应性与自主性。具体研究内容如下: 首先在处理机器人定位问题时，应用无迹卡尔曼滤波算法(Unscented Kalman Filter,UKF)，克服了扩展卡尔曼滤波算法(Extended Kalman Filter, EKF)在线性化处理时导致的计算精度下降等缺点。针对在机器人导航过程中出现的环境特征点同时为障碍物的情况下，引入了基于势场栅格路径规划的SLAM算法。机器人在导航过程中，根据与特征点的相对位置给出下一步的控制律，使机器人能够在运动过程中避开障碍物，兼顾了SLAM与自主避障，提高了机器人在未知环境中的适应性和自主性。 其次针对传统的人工势场法在机器人路径规划中存在障碍物附近目标不可达和局部极小值点问题，引入机器人和目标点的相对距离，改进斥力函数，采用人工势场法与栅格法结合的改进势场栅格法对机器人进行路径规划，使机器人顺利到达目标点。 最后通过数值仿真实验说明:1.本文所用的基于UKF的移动机器人定位算法的定位精度高于基于EKF的移动机器人定位算法。2.利用本文所提的改进人工势场栅格法能有效解决传统人工势场法障碍物附近目标不可达和局部极小值问题。3.本文所提算法能有效解决移动机器人同时定位与地图创建以及路径规划问题。