與人共存環(huán)境下服務機器人定位導航技術研究及應用.pdf

1、服務型移動機器人實現(xiàn)與人和諧共處的導航及服務，既需要提高機器人在人的未知運動干擾情況下定位導航方法的準確性和可靠性，又需要賦予導航行為對人的自然友好性；而機器人本體對人和外界環(huán)境有限的感知能力制約了其導航與服務性能的提升。論文針對人機共存的半結構化動態(tài)室內(nèi)環(huán)境，深入研究了借助分布式感知的輪式移動機器人高性能定位和對人安全友好導航控制等方法和關鍵技術，實現(xiàn)了家庭智能環(huán)境下的服務機器人典型應用系統(tǒng)。
　　 論文首先針對機器人與全局監(jiān)

2、控攝像機組成的分布式視覺系統(tǒng)，提出了基于視覺特征的目標人快速檢測與實時跟蹤方法。將圖像中人的輪廓特征用多尺度-多形狀方向梯度直方圖表達，采用機器學習法訓練級聯(lián)分類器實現(xiàn)人的快速檢測，繼而提取目標人的表觀混合統(tǒng)計特征作為相似度量，采用自適應粒子濾波器對其連續(xù)地跟蹤。算法對光照變化、背景混雜及人姿態(tài)變化等干擾具有一定魯棒性，并降低了計算復雜度。將其用于服務環(huán)境下運動目標人的自動檢測跟蹤，實驗驗證了較高的準確率和實時性。
　　 為增強

3、復雜動態(tài)室內(nèi)環(huán)境下移動機器人自主定位導航的可靠性，提出了具有較高魯棒性的擴展重采樣Monte Carlo定位算法（ER-MCL），提高了環(huán)境部分變化和機器人被綁架兩類未建模動態(tài)事件下的機器人全局定位魯棒性；提出了改進的安全避碰導航控制算法，有效解決了對人和障礙物的快速平滑避碰。ER-MCL算法根據(jù)樣本分布信息熵分析、過收斂檢測與均勻性檢測過程，選擇適時引入新的馬爾可夫鏈Monte Carlo（MCMC）重采樣策略，克服了有效觀測減少時粒

4、子濾波器普遍存在的樣本貧乏缺點。導航算法利用人的檢測和機器人自定位結果，結合柵格全局路徑規(guī)劃與改進的平滑ND避障算法實現(xiàn)避碰導航。實驗驗證了在動態(tài)擁擠環(huán)境下機器人自主定位導航的高精度與魯棒性。
　　 針對人機共處運動情況下基于地圖的同時機器人定位與人位置跟蹤問題（SLAP），提出了分布式感知協(xié)作的Rao-Blackwellized粒子濾波方法（RBPF），在機器人車載傳感器自身位姿未知情況下實現(xiàn)了精確的人-機全局位置聯(lián)合估計，增

5、強了機器人定位的抗動態(tài)干擾能力。算法將聯(lián)合概率密度函數(shù)進行分解以降低計算復雜度，在感知更新過程中融合機器人激光測距與全局視覺兩種異質(zhì)觀測以加快迭代收斂，并采用Unscented卡爾曼濾波器（UKF）進行人的條件位置跟蹤以提高精度。實驗驗證了該方法比條件粒子濾波算法（CPF）提高了計算效率，比單傳感器的SLAP方法則加速了全局不確定性收斂過程。
　　 為賦予機器人導航行為對人的自然友好特性，提出了以預測人運動趨勢的主動避讓禮節(jié)為核

6、心的機器人友好導航機制與實現(xiàn)方法，改善了機器人與人和諧共處的導航性能。機器人禮讓導航方法將室內(nèi)人的運動模式識別與運動估計相結合，預測人機相遇沖突情況，采用部分可觀的馬爾可夫決策過程（POMDP）對機器人的多種避讓措施進行概率決策，提高了多源不確定性條件下避讓控制的可靠性。進一步論述了符合人類社會習慣的機器人友好導航方法。實驗驗證了該方法比機械地避碰導航方式既提高了機器人導航效率，又能確保人的安全舒適感。
　　 將上述方法用于構建