煤礦救援機(jī)器人地圖構(gòu)建與路徑規(guī)劃研究.pdf

1、我國(guó)是煤礦生產(chǎn)和消費(fèi)大國(guó)，也是礦難多發(fā)的國(guó)家，煤礦救援機(jī)器人對(duì)礦難發(fā)生后的救援工作具有重要意義。因?yàn)槊旱V救援機(jī)器人的自主性能不僅是衡量該機(jī)器人智能化水平重要指標(biāo)之一，而且是協(xié)助救援隊(duì)員高效可靠地完成救援工作必不可少的性能之一，所以本文以煤礦救援機(jī)器人自主性能研究為背景，以中國(guó)礦業(yè)大學(xué)救援技術(shù)與裝備研究所研制的CUMT2煤礦救援機(jī)器人為平臺(tái)，圍繞自主機(jī)器人研究的兩大熱點(diǎn)和難點(diǎn)：即時(shí)定位與地圖構(gòu)建問(wèn)題和路徑規(guī)劃問(wèn)題展開研究。
　　針對(duì)

2、機(jī)器人的自主性能，構(gòu)建了CUMT2機(jī)器人的軟硬件系統(tǒng)。將機(jī)器人操作系統(tǒng)ROS移植入機(jī)器人中，設(shè)計(jì)了機(jī)器人軟件平臺(tái)，主要包括：底盤控制系統(tǒng)、坐標(biāo)變換系統(tǒng)、可視化界面、SLAM系統(tǒng)和路徑規(guī)劃系統(tǒng)。對(duì)硬件平臺(tái)的硬件進(jìn)行了選型設(shè)計(jì)，設(shè)計(jì)了機(jī)器人行走驅(qū)動(dòng)系統(tǒng)和感知系統(tǒng)的硬件平臺(tái)。針對(duì)機(jī)器人傳感器噪聲及外界環(huán)境不確定性帶來(lái)的系統(tǒng)誤差，引入馬爾科夫假設(shè)和統(tǒng)計(jì)學(xué)方法建立了機(jī)器人的概率模型。具體為：針對(duì)行走驅(qū)動(dòng)系統(tǒng)分別建立了兩種運(yùn)動(dòng)模型，即里程計(jì)模型和速

3、度模型；針對(duì)感知系統(tǒng)分別建立了三種感知模型，即激光光束模型、似然模型和基于特征的感知模型。
　　針對(duì)機(jī)器人的定位問(wèn)題，研究了基于已知地圖的定位算法。為實(shí)現(xiàn)機(jī)器人位姿的遞歸估計(jì)，研究了經(jīng)典的貝葉斯濾波器，并在此基礎(chǔ)上分別研究了由貝葉斯濾波器發(fā)展而來(lái)的卡爾曼濾波器（Kalman Filter，KF）、擴(kuò)展卡爾曼濾波器（Extended Kalman Filter， EKF）及粒子濾波器（Particle Filter，PF）的濾波原理

4、并進(jìn)行了仿真試驗(yàn)，試驗(yàn)結(jié)果表明，KF計(jì)算效率高但依賴于系統(tǒng)的線性高斯假設(shè)，EKF適用于弱非線性的高斯系統(tǒng)， PF適用于低維度的任意系統(tǒng)。針對(duì)不同濾波器的特點(diǎn)進(jìn)而研究了基于EKF及PF的定位算法。研究了基于掃描匹配的定位算法，對(duì)該算法原理進(jìn)行了推導(dǎo)和試驗(yàn)，試驗(yàn)結(jié)果表明，在初始位姿估計(jì)時(shí)融入傳感器信息可以提高算法的定位精度和收斂速率。
　　針對(duì)機(jī)器人的構(gòu)圖問(wèn)題，分別研究了基于已知定位的地圖構(gòu)建算法和即時(shí)定位與地圖構(gòu)建算法。在已知定位的

5、地圖構(gòu)建算法研究中，對(duì)比研究了基于前向感知模型的構(gòu)圖算法和基于逆向感知模型的構(gòu)圖算法，相比于基于前向感知模型的構(gòu)圖算法，基于逆向感知模型的構(gòu)圖算法地圖一致性低但計(jì)算效率高，同時(shí)對(duì)于采用激光傳感器的 CUMT2機(jī)器人，上述兩種構(gòu)圖算法均可取得理想效果。
　　在即時(shí)定位與地圖構(gòu)建算法研究中，基于定位算法和已知定位的構(gòu)圖算法的研究基礎(chǔ)，分別研究了基于EKF的SLAM算法、基于Rao-Blackwellized粒子濾波器的SLAM算法（F

6、astSLAM）和基于掃描匹配的SLAM算法（Hector_SLAM）。對(duì)經(jīng)典的基于EKF的SLAM算法進(jìn)行了仿真試驗(yàn)，試驗(yàn)結(jié)果表明：當(dāng)路標(biāo)數(shù)量的增加不引入路標(biāo)之間歧義性時(shí)，該數(shù)量與SLAM算法精度成正比；當(dāng)機(jī)器人路徑存在回環(huán)時(shí)，可提高機(jī)器人的位姿和路標(biāo)估計(jì)的精準(zhǔn)度。對(duì)融合里程計(jì)信息的FastSLAM1.0算法原理進(jìn)行了研究，并研究了通過(guò)對(duì)采樣密度函數(shù)的優(yōu)化，解決了由于機(jī)器人感知模型和運(yùn)動(dòng)模型之間匹配度較低導(dǎo)致粒子衰減過(guò)快問(wèn)題的Fast

7、SLAM2.0算法，應(yīng)用該算法在實(shí)驗(yàn)室室內(nèi)和樓道進(jìn)行了構(gòu)圖試驗(yàn)，試驗(yàn)結(jié)果表明，該算法在里程計(jì)信息有效的情況下可獲得精確度和一致性較高的地圖。針對(duì)煤礦井下顛簸路面導(dǎo)致里程計(jì)無(wú)效的情況，對(duì)無(wú)需里程計(jì)信息的Hector_SLAM算法原理進(jìn)行了研究，通過(guò)融入AHRS傳感器信息對(duì)該算法進(jìn)行了改進(jìn)，應(yīng)用改進(jìn)后的算法在實(shí)驗(yàn)室室內(nèi)和樓道進(jìn)行了構(gòu)圖試驗(yàn)，并將試驗(yàn)得到的地圖與FastSLAM算法構(gòu)建的地圖進(jìn)行了對(duì)比分析。分析結(jié)果表明，改進(jìn)后的Hector_

8、SLAM算法在無(wú)需里程計(jì)信息的情況下可獲得精確度和一致性較高的地圖，適用于井下顛簸路面及對(duì)傳感器功率的限制，但相比于FastSLAM算法，該算法在地圖精確度和一致性方面仍有改進(jìn)提高的空間。
　　針對(duì)機(jī)器人的自主行走問(wèn)題，研究了機(jī)器人路徑規(guī)劃算法。首先，對(duì)實(shí)現(xiàn)機(jī)器人自主行走的全局路徑規(guī)劃和局部路徑規(guī)劃算法分別進(jìn)行了研究，對(duì)實(shí)現(xiàn)全局路徑規(guī)劃的A*算法原理進(jìn)行了研究和仿真試驗(yàn)，試驗(yàn)結(jié)果表明，該算法在兼顧計(jì)算效率的同時(shí)可規(guī)劃出最優(yōu)的無(wú)碰撞

9、全局路徑，對(duì)實(shí)現(xiàn)局部路徑規(guī)劃的DWA算法原理進(jìn)行了研究和仿真試驗(yàn)，試驗(yàn)結(jié)果表明，該算法相比于傳統(tǒng)的勢(shì)場(chǎng)法在局部路徑規(guī)劃時(shí)引入機(jī)器人的動(dòng)力學(xué)約束，在障礙物較多時(shí)可動(dòng)態(tài)降低機(jī)器人運(yùn)行速度，有效地提高了機(jī)器人運(yùn)動(dòng)的安全性。其次，研究了基于多層代價(jià)地圖的路徑規(guī)劃系統(tǒng)，針對(duì)單層代價(jià)地圖模型的不足提出了CUMT2機(jī)器人多層代價(jià)地圖模型，并通過(guò)該地圖模型構(gòu)建了機(jī)器人路徑規(guī)劃系統(tǒng)，實(shí)現(xiàn)了全局路徑規(guī)劃與局部路徑規(guī)劃的有機(jī)結(jié)合。最后，分別在實(shí)驗(yàn)室樓道和救援