室內(nèi)AGV的同時定位與建圖方法研究.pdf

1、自動導(dǎo)航搬運車(Automated Guided Vehicle，AGV)也被稱作搬運機器人，是現(xiàn)代智能物流系統(tǒng)中的重要環(huán)節(jié)，然而目前主流的AGV導(dǎo)引技術(shù)并不能使其在工作中從真正意義上實現(xiàn)完全自主。同時定位與建圖(Simultaneous Localizationand Mapping, SLAM)方法是最早由Smith Self和Cheese man提出的解決移動機器人導(dǎo)航關(guān)鍵問題的方法，由于其巨大的理論研究和實際應(yīng)用價值在被提出以來

2、的幾十年間發(fā)展迅速，已在室外、室內(nèi)、水下和航空等多種環(huán)境得到了成功應(yīng)用。使用SLAM思想解決AGV導(dǎo)航問題，保證了AGV的安全導(dǎo)航和精確定位，也是其高效規(guī)劃路徑、決定控制決策的基礎(chǔ)。
　　本文對室內(nèi)AGV的同時定位與建圖方法進行了研究，首先簡要介紹了AGV目前的常用導(dǎo)航方式，并分別論述了它們存在的優(yōu)勢和缺陷;然后對本文引入到AGV導(dǎo)航領(lǐng)域的同時定位與建圖算法進行了詳細分析;通過一系列模型建立，搭建了用于AGV的SLAM方案的基礎(chǔ);

3、最后重點研究了目前的各種SLAM算法，包括基于非線性系統(tǒng)的擴展卡爾曼濾波(EKF）算法、基于概率的粒子濾波(PF）算法，基于RBPF的FastSLAM算法，并針對傳統(tǒng)方法的不足，提出了一種融合改進粒子群優(yōu)化算法的粒子濾波方法。該方法在是基于Rao-Blackwellized(RBPF)的FastSLAM算法基礎(chǔ)上，引入粒子群優(yōu)化算法更新AGV預(yù)測位姿，考慮了個體粒子和群體粒子的最優(yōu)解對結(jié)果的影響，并引入遺傳算法中的變異操作，使用變異后的