毫米波和激光雷达数据融合的SLAM算法研究

发布时间：2020-06-15 01:24

【摘要】：随着科学技术和机器人技术的发展,机器人开始能够代替人类进行越来越多的工作,在机器人相关技术的研究方面,机器人的导航与定位技术是当前研究的一个热点,同时也是一个难点,目前比较常用的定位与导航技术主要有磁条导航、二维码导航、惯性导航、激光导航和视觉导航,激光导航由于其无轨并且对环境适应性强的特点已经越来越受欢迎,但是目前普通的单线激光雷达测距范围很有限并且容易受干扰,昂贵的激光雷达会极大地增加机器人的研发成本,毫米波雷达作为汽车上比较常用的一种传感器,它的特点是测距范围大且不易受干扰。本文的主要研究内容就是利用普通的激光雷达结合毫米波雷达实现机器人的定位、建图与导航功能。主要的研究工作如下:(1)对激光定位与建图技术进行研究,主要分析当前比较常用的几种SLAM算法,同时对机器人定位算法中的概率性问题、状态估计问题以及用到的滤波算法进行原理性研究,并且对每种算法的特点和适用场景进行总结,选取了Google的Cartographer算法框架作为本文SLAM算法的主要框架。(2)对激光雷达的测距原理和模型、激光雷达数据的读取和修正算法进行研究,引入了机器人的运动补偿来弥补激光雷达数据的畸变,接着对毫米波雷达的测距原理和模型以及毫米波雷达数据的滤波算法进行研究,综合考虑毫米波雷达与激光雷达的数据优缺点,融合二者的数据实现了环境适应性更高的SLAM算法。(3)依据课题背景需求,自主研发设计了物流机器人的机械系统、电路系统以及软件系统,对物流机器人的运动控制模型进行研究,实现了物流机器人的全局路径规划、局部路径规划以及动态避障算法,能够使机器人在已知环境地图的前提下进行自主定位与导航。(4)根据对激光雷达和毫米波雷达数据特征的研究,在物流机器人上实现了融合毫米波雷达和激光雷达数据的SLAM算法,使得物流机器人能够适应更多的环境,提高了物流机器人的实用性。(5)在物流机器人上分别进行单激光雷达、单毫米波雷达以及结合激光雷达和毫米波雷达的定位与导航功能测试,并对实际的运行结果进行对比,结果表明融合毫米波雷达和激光雷达数据的SLAM算法在空旷的大环境下效果明显优于单激光雷达的SLAM算法。
【学位授予单位】：电子科技大学
【学位级别】：硕士
【学位授予年份】：2019
【分类号】：TP242;TN958.98
【图文】：

机器人,里程计,陀螺仪,激光雷达

电子科技大学硕士学位论文M 问题[7]。目前用于移动机器人自主定位与建图的主要传感器有：CCD 相机、深度相雷达、毫米波雷达、声纳传感器、陀螺仪、里程计以及全球定位系统(GP地面移动机器人最常用的方案就是激光雷达加陀螺仪和里程计或者视觉陀螺仪、里程计[8]。如图 1-1(a)所示的是由丹麦的 MobileIndustrialRobots研发的用于物料转运的 AGV，该 AGV 的主要传感器是两个单线激光雷程计和超声波，能够实现在工厂环境中的自主定位、建图与导航；如图的是由国内的新松机器人公司研发的用于大型仓库自主装卸货的电动叉车采用的是多线激光雷达结合陀螺仪、里程计的方案；如图 1-1(c)所示的公司研发的吸尘器机器人，采用的是视觉系统进行定位与建图的方案；如示的是由威楼加拉吉生产的 PR2 机器人，该机器人安装有高分辨率的惯性测量单元，激光雷达等丰富的传感器设备，可以实现多种不同传感器主定位与建图，该机器人多用于科学研究。

移动机器人,自主定位,机器人,现状

(a) (b) 1-2 具有代表性的 AUV。(a)ATLASELEKTRONIK 公司研发的 AUV；(b)“潜二号”AUV上，移动机器人在很多领域中都起到了非常重要的作用，而自主定位移动机器人的必备技能，但是上述机器人中采用激光雷达的机器人昂贵，采用视觉系统的机器人目前只能用于室内比较小的环境并且外部环境的干扰，所以针对目前移动机器人的自主定位与建图系统成扰等问题，在现有 SLAM 算法研究的基础上对 SLAM 算法及传感器、改进并降低成本是一个非常具有实际应用价值的研究课题。内外研究历史与现状移动机器人国内外研究历史与发展现状器人的概念和研究最早起源于美国，早在上世纪四五十年代美国便

【参考文献】