基于多传感融合的四足机器人建图方法

发布时间：2023-04-07 05:18

　　四足机器人因其良好的通过性得到广泛的关注,而准确的地图构建是其在复杂路面行走与导航的关键前提之一。然而腿足式机器人的行走方式造成其机体与传感器晃动明显,传统的基于图像和惯性测量单元(IMU)的方法易出现建图所需的里程计失效或姿态漂移的问题,图像模糊又会造成地图构建噪点多的问题。本文创新地引入腿部里程计,采用基于误差状态的卡尔曼滤波算法,实现了更鲁棒的姿态估计;其次利用基于聚合信息的方法对点云进行滤波,并提出基于离群度的概念进行噪点补偿,得到了更精准完善的点云地图。具体研究内容如下:1.四足机器人晃动较为剧烈,使得视觉里程计会因采集的图像帧间差距较大,进而导致特征提取、匹配困难而失效,且常引入的IMU容易出现漂移现象。针对以上问题,本文引入基于运动模型的腿部里程计结合视觉里程计观测IMU误差信息,对误差状态进行建模为偏置误差与游走噪声并构建预测模型,形成基于误差状态的卡尔曼滤波算法,增加了姿态估计的鲁棒性与准确性。2.针对机器人运动晃动会使采集到的图像模糊,使得传统的建图方法出现大量噪点的问题,本文提出了一种基于聚合信息的点云滤波方法,对单帧点云进行聚合度估计,以删除离散度与聚合度较高的...

【文章页数】：89 页

【学位级别】：硕士

【文章目录】：
摘要
abstract
第一章 绪论
    1.1 引言
    1.2 主要问题
    1.3 国内外研究现状
    1.4 论文主要研究内容
第二章 SLAM在四足机器人中的应用
    2.1 引言
    2.2 机器人传感器坐标系标定
    2.3 四足机器人姿态估计问题
        2.3.1 基于EKF的 IMU姿态估计算法
        2.3.2 ICP姿态估计及其在四足机器人上的优化
        2.3.3 IMU的融合计算
        2.3.4 姿态SLAM在四足机器人中的应用
    2.4 四足机器人点云建图
        2.4.1 地图的种类与建图方法
        2.4.2 基于RANSACE的点云平面检测
        2.4.3 地图更新与点云拟合
    2.5 本章小结
第三章 基于误差状态的卡尔曼滤波器位姿估计算法研究
    3.1 引言
    3.2 误差状态卡尔曼滤波器系统框架
    3.3 IMU运动学模型
        3.3.1 IMU加速度计模型
        3.3.2 IMU陀螺仪模型
    3.4 IMU状态更新
    3.5 滤波器预测模型构建
    3.6 滤波器观测模型构建
    3.7 基于PNP的视觉里程计
    3.8 腿部里程计
        3.8.1 腿部里程计建模
        3.8.2 腿部里程计计算
    3.9 算法验证
    3.10 本章小结
第四章 机器人为中心的局部点云图建图方法
    4.1 引言
    4.2 点云位置转换
        4.2.1 RGB-D摄像头
        4.2.2 相机内外参标定
    4.3 基于聚合信息的点云滤波与离群噪点处理
    4.4 基于PCA的噪声方向分析的点云补偿
    4.5 滤波算法实验
        4.5.1 基于机器人中心位置的滤波方法
        4.5.2 滤波实验
        4.5.3 基于PCA的点云补偿实验
    4.6 本章小结
第五章 仿真验证
    5.1 引言与Webots简单介绍
    5.2 平台搭建
    5.3 控制器
        5.3.1 四足机器人简化运动学模型
        5.3.2 单腿的运动学解析
        5.3.3 足端轨迹规划
    5.4 仿真平台性能验证
    5.5 本章小结
第六章 总结与展望
致谢
参考文献



本文编号：3785166