移動機器人地圖創(chuàng)建和自主探索方法研究.pdf

1、目前移動機器人已經(jīng)在工農(nóng)業(yè)、交通運輸、軍事、服務(wù)和醫(yī)療衛(wèi)生等行業(yè)取得了廣泛應(yīng)用，以擴展人類的工作能力，并減輕或取代人類繁重勞動。隨著應(yīng)用環(huán)境的逐步復(fù)雜化和機器人技術(shù)的進(jìn)步，人類對移動機器人的自主性和智能性提出了更高的要求，并引起了國內(nèi)外學(xué)者的極大關(guān)注。特別是在大規(guī)模未知極限或復(fù)雜環(huán)境下，人類期望機器人能自主完成環(huán)境的探索、創(chuàng)建所在周圍環(huán)境的地圖表示，并能利用地圖表示實現(xiàn)在環(huán)境中的高效導(dǎo)航。本論文以Pioneer 2-DXE移動機器人為對

2、象，重點開展室內(nèi)環(huán)境下移動機器人地圖創(chuàng)建和自主探索方法的研究，全文主要工作包括如下幾個方面。 論文首先系統(tǒng)深入地介紹了移動機器人的定義和發(fā)展歷史，系列智能移動機器人系統(tǒng)和典型通用移動機器人研究開發(fā)平臺，其次詳細(xì)討論了機器人常用傳感器的原理和特性，然后闡述了移動機器人關(guān)鍵技術(shù)和研究熱點。并在此基礎(chǔ)上闡述本論文的研究意義。 在第二部分，論文詳細(xì)闡述了Pioneer 2-DXE移動機器人的硬件系統(tǒng)和各種傳感器配置和設(shè)計；然后系

3、統(tǒng)介紹了移動機器人控制結(jié)構(gòu)和Pioneer移動機器人的軟件開發(fā)系統(tǒng)；隨后深入討論了移動機器人的運動控制模型及其不確定性。 柵格地圖是移動機器人環(huán)境表示的一種重要形式，而聲納傳感器是柵格地圖創(chuàng)建最廣泛采用的傳感器。然而由于聲納傳感器存在多重反射、鏡面反射、角精度差等缺點，使柵格地圖存在環(huán)境解釋的準(zhǔn)確性和精度方面存在一定限制。為此，論文提出了一種改進(jìn)神經(jīng)網(wǎng)絡(luò)聲納解釋模型用于柵格地圖創(chuàng)建，并提出柵格單元的連續(xù)更新方案。該模型同時考慮聲

4、納傳感器空間相關(guān)度和時間相關(guān)度的影響，保證測量數(shù)據(jù)在時間和空間上的連續(xù)性。因此即使出現(xiàn)某個聲納傳感器或者某次測量數(shù)據(jù)受鏡面反射或者多重反射影響而無效，模型也可以根據(jù)歷史測量數(shù)據(jù)和空間相鄰傳感器測量數(shù)據(jù)，獲取關(guān)于空間環(huán)境狀態(tài)的正確解釋，從而大大減少聲納傳感器的不確定性對地圖創(chuàng)建的影響。論文基于Levenberg-Marquardt算法，采用分階批處理模式對神經(jīng)網(wǎng)絡(luò)進(jìn)行離線訓(xùn)練。基于訓(xùn)練后的神經(jīng)網(wǎng)絡(luò)的對聲納測量數(shù)據(jù)的解釋，每個柵格單元對應(yīng)于

5、空、障礙物和不確定三種狀態(tài)，本論文中對三種狀態(tài)分別采用Bayesian模型進(jìn)行更新，而最終柵格單元狀態(tài)基于Max-Min法則從三種可能狀態(tài)中選擇決定，從而進(jìn)一步保證了聲納信息融合的準(zhǔn)確性。實驗結(jié)果表明，基于該方法創(chuàng)建的柵格地圖具有較好的連續(xù)性、準(zhǔn)確度，對不同環(huán)境具有良好的適應(yīng)性，利用訓(xùn)練后的神經(jīng)網(wǎng)絡(luò)模型，具有較好的實時性，可滿足在線處理的要求。 大規(guī)模未知環(huán)境下的自主探索和地圖表示是移動機器人的重要研究方向。論文在深入研究當(dāng)前自

6、主探索方案和地圖表示模型的基礎(chǔ)上，提出了用于大規(guī)模環(huán)境表示的混合高精度地圖表示模型。在該地圖模型中全局地圖采用拓?fù)涞貓D，其利用改進(jìn)四叉樹表示方法對局部柵格地圖進(jìn)行處理，提取拓?fù)涔?jié)點集合，并通過臨近空間范圍內(nèi)節(jié)點的匹配處理實現(xiàn)全局地圖的更新和擴張；而每個拓?fù)涔?jié)點采用改進(jìn)四叉樹結(jié)構(gòu)保存對應(yīng)的柵格地圖信息。方法保持了環(huán)境表示的精度，有效控制了大規(guī)模環(huán)境下柵格地圖的計算復(fù)雜度和空間復(fù)雜度，同時拓?fù)湫畔⒑蛶缀涡畔⒌拇嬖谟欣诓煌瑢哟蜗碌奶剿?、路?/p>

7、規(guī)劃等任務(wù)處理需求。 基于上述層次式混合地圖表示模型，論文提出一種用于大規(guī)模未知環(huán)境的自主探索方案。該探索方案分為局部探索和全局探索兩部分：在局部探索階段，根據(jù)局部柵格地圖，基于邊界長度和運動路徑長度定義的局部探索性能函數(shù)選擇下一步最優(yōu)探測邊界，其中探索邊界線段采用模糊FCM聚類算法提取，運動路徑基于改進(jìn)Distance Transform算法計算。當(dāng)滿足局部探索和全局探索切換條件時，采用改進(jìn)四叉樹結(jié)構(gòu)對局部探索過程中獲取的局部

8、柵格地圖進(jìn)行計算處理，提取拓?fù)涔?jié)點，并實現(xiàn)對全局拓?fù)涞貓D更新。并從包含探測邊界的拓?fù)涔?jié)點中基于全局最優(yōu)探測性能函數(shù)選擇探測拓?fù)涔?jié)點。其中全局最優(yōu)性能函數(shù)綜合考慮性能函數(shù)運動距離、預(yù)期獲取的未知環(huán)境信息量、直線運動、周圍環(huán)境狀態(tài)配置等因素。局部探索和全局探索兩步驟循環(huán)進(jìn)行，則最終完成整個未知大規(guī)模環(huán)境的探索和地圖創(chuàng)建。該混合探索方案兼顧了計算速度和最優(yōu)探索性能，并減少累積誤差影響，實驗結(jié)果驗證了該探索方案的可行性和正確性。 為實現(xiàn)

9、己知路徑的快速跟蹤控制或未知環(huán)境下對目標(biāo)位置的無碰撞高效導(dǎo)航控制，本論文提出了一種基于模糊推理和行為控制的移動機器人導(dǎo)航避障方法。該方法首先定義了機器人導(dǎo)航過程中可能行為模式，然后設(shè)計了模糊導(dǎo)航控制器，根據(jù)實時聲納測量數(shù)據(jù)和機器人位姿、目標(biāo)位置等信息實現(xiàn)機器人行為的切換和調(diào)度控制。該方法在兩種不同環(huán)境下五個導(dǎo)航任務(wù)的試驗結(jié)果表明，方法具有很好的實時性和較高控制跟蹤精度，并對不同環(huán)境有很好的適應(yīng)能力和可靠性。 移動機器人同步地圖創(chuàng)