室内移动机器人SLAM系统的仿真与优化

论文总字数：21354字

摘 要

移动机器人实时定位与地图创建（SLAM）问题，可以描述为机器人在未知环境下从未知位置开始移动,在移动过程中根据传感器信息和位置估计实现定位，同时创建增量式地图，实现机器人的自主定位。

本文结合卡尔曼滤波、常用的路标提取算法和数据关联算法，完成SLAM算法的程序设计。本文主要研究内容包括：针对二维室内静态环境建立移动机器人的系统模型，包括环境模型、传感器模型、机器人动力学模型等。研究SLAM问题的卡尔曼滤波解法，包括时间更新过程和状态更新过程。然后，实现路标提取和数据关联算法。在这此过程中，从点特征入手，再针对特征线段进行算法研究。点特征的路标提取采用基于中心区域划分法的算法，线段特征的路标提取采用基于最小二乘法的方法。数据关联均采用最近邻法。最后用Matlab环境下进行仿真，并对结果进行分析。

关键词：机器人；室内定位；SLAM；卡尔曼滤波

Simulation and optimization of SLAM system for indoor mobile robot

XueLian Chen

Supervised by Fang Jia

Abstract： As one of the important branches of robot technology, mobile robot has been widely used.Those issues about mobile robot have gradually become a hot spot. Robot localization is the basic link of mobile robot navigation. Mobile robot based on the information obtained by the sensor, to determine their own position in the work environment and their own attitude.

The problem about mobile robots simultaneous localization and mapping building (SLAM) can be described as assuming that the robot is in an unknown environment and beginning to move from an unknown location ,when it is moving, it can realize the localization according to the sensor information and the position estimate, simultaneously creates the incremental map.This is the process of autonomous localization of the robot.

This paper combined with the Kalman filter, common landmark extraction algorithm and data association algorithm to complete the program design of the SLAM algorithm. The main research contents of this paper include: first for two-dimensional indoor static environment established mobile robot system model, including the environment model, sensor model, the robot dynamics model. Secondly, Kalman filtering method of SLAM problem, including time update process and state update process. Then realize landmark extraction and data association algorithm. In this process, first for the feature point, for line feature for algorithm research. Signs of feature points extraction based on central region division method Algorithm, the feature of line segment extraction method based on the least squares method. Data association using the nearest neighbor method. Finally using the MATLAB environment simulation, and the results are analyzed.

Key words: Robot; indoor positioning; SLAM; Calman filter

目 录

1、绪论 5

1.1 研究背景及意义 5

1.2 国内外研究现状 6

1.2.1移动机器人发展概况 6

1.2.2 SLAM技术研究现状 6

1.3本章小结 7

2、 移动机器人数学模型的建立 8

2.1坐标系统模型 8

2.2环境模型 8

2.3传感器模型 9

2.3.1里程计 9

2.3.2激光传感器 9

2.4机器人运动学模型 9

2.5环境地标动态模型 10

2.6本章小结 10

3、 基于卡尔曼滤波的SLAM问题的研究 11

3.1卡尔曼滤波器 11

3.2 SLAM算法的具体应用 12

3.2.1状态预测 12

3.2.2状态更新 14

3.2.3状态增广 15

3.2.4路标提取方法 15

3.2.5数据关联 16

3.3 SLAM问题的分析 17

3.4本章小结 18

4、SLAM算法的仿真实验 19

4.1算法的程序流程 19

4.2点路标的实验结果 20

4.3线段路标的实验结果 21

4.4本章小结 22

5、 总结与展望 23

5.1总结 23

5.2展望 23

致 谢 24

参考文献 25

室内移动机器人SLAM系统的仿真与优化

1、绪论

1.1 研究背景及意义

移动机器人作为机器人技术的一个重要分支，是集传感器技术、信息处理、电子工程、计算机工程、自动化控制工程以及人工智能等于一体的高科技产物。自二十世纪以来，随着人工智能技术的不断发展，移动机器人技术已经得到世界各国的普遍关注，发展十分迅速。移动机器人可以代替人类从事危险、恶劣环境下或者人类无法到达的地方的工作，例如野外救援、海底勘探等。此外，近年来移动机器人在服务行业也快速发展，主要从事清洁、运输、医疗服务等。例如家用机器人，可以从事清扫工作，比如iRobot机器人吸尘器、玛纽尔保洁机器人等，这些清洁机器人不仅外形小巧，而且工作效率高。医疗服的机器人，例如用于支持远程医疗服务医疗机器人 RP-VITA、口腔修复机器人等。

移动机器人的研究涉及^[1]：(1)移动方式；(2)驱动器的控制；(3)导航和路径规划。Leonard 和 Durrant-Whyte^[2]等人将实现机器人自主导航的关键问题分解为:(1)我在那儿？(2)我要往哪里走？(3)我应该怎么到达？第一个问题^[3]即机器人的定位,第二、三个是机器人的路径规划问题。移动机器人导航技术是指机器人能够在有障碍的环境中通过传感器感知外界环境和自身位姿，自主向目标运动。定位是移动机器人导航的基本环节，即移动机器人能够在未知的工作环境中找到自身位置以及确定其本身的姿态，。因此为了实现机器人的自主导航和路径规划，首要解决的就是定位问题。根据定位方式和传感器的不同，可以把定位技术分为五大类^[4]，即航迹推算、信号灯定位、基于地图的定位、路标定位、基于视觉的定位。

剩余内容已隐藏，请支付后下载全文，论文总字数：21354字