基于激光测距的移动机器人重定位研究

发布时间：2023-10-02 04:55

　　随着时代发展,移动机器人在社会中的应用越发广泛。其中机器人的自主能力是评价机器人性能的重要指标之一。本文以移动机器人重启动的为研究起点,以地图构建、基于概率模型的移动机器人定位以及基于深度学习的移动机器人定位为研究重点。其中同时定位与建图主要为机器人提供先验环境信息、基于深度学习的定位方法用来预测机器人所处环境中的位置、概率模型则用来对机器人的位姿精度进一步的优化。在移动机器人地图构建的研究中,本文对比研究了基于lackwelli-RaozedB的粒子滤波构图算法和谷歌开源的Cartographer地图构建算法。其中基于lackwelli-RaozedB粒子滤波的构图算法计算复杂度较低,在机器人平台上运行的实时性较好。而Cartographer构图算法在地图的闭环优化方面优于lackwelli-RaozedB粒子滤波算法,其构图的精度较高、准确性较好。因此本文选择谷歌开源的erCartograph同时定位与建图算法为移动机器人的后续研究提供先验地图信息。本文首先提出改进粒子滤波算法,使用提出的图形匹配算法或者区域预测出机器人所处环境中的大致位置,再使用局部粒子滤波算法推测机器人的精准位...

【文章页数】：58 页

【学位级别】：硕士

【文章目录】：
摘要
Abstract
1 绪论
    1.1 研究背景与意义
    1.2 国内外研究现状与未来发展趋势
        1.2.1 同时定位与地图构建研究现状
        1.2.2 面向室内环境的移动机器人重定位研究现状
        1.2.3 面向室外环境的移动机器人重定位研究现状
    1.3 本文的主要工作及创新点
2 基于二维激光测距的先验地图构建
    2.1 Rao-Blackwellized粒子滤波地图构建算法
    2.2 Cartographer地图构建算法
        2.2.1 子地图的构建
        2.2.2 子地图全局优化
    2.3 同时定位与地图构建实验分析
        2.3.1 北京兆维集团实验室环境实验结果
        2.3.2 北京农商银行室内环境实验结果
        2.3.3 大连理工大学创新园大厦室内环境实验结果
3 基于概率模型的室内机器人重定位
    3.1 传统概率模型
        3.1.1 卡尔曼滤波
        3.1.2 基于拓展卡尔曼滤波的机器人定位
        3.1.3 基于粒子滤波的机器人定位
    3.2 基于图形匹配与粒子滤波的机器人定位
        3.2.1 基于图形匹配的粒子分布区域确定
        3.2.2 局部粒子分布策略
        3.2.3 实验结果及讨论
4 基于卷积神经网络的移动机器人重定位
    4.1 基于二维激光测距轻量化重定位
        4.1.1 二维激光数据表述
        4.1.2 轻量化卷积神经网络设计
        4.1.3 基于粒子滤波的重定位精度再优化
        4.1.4 实验结果及分析
    4.2 基于三维激光测距及深度卷积神经网络重定位
        4.2.1 三维激光投影
        4.2.2 深度神经网络位姿预模型
        4.2.3 实验结果对比分析
5 总结与展望
参考文献
攻读硕士学位期间发表学术论文情况
课题资助情况
致谢



本文编号：3850135