室内环境下移动机器人混合路径规划研究

发布时间：2020-07-28 11:49

【摘要】：路径规划是移动机器人实现自主导航的核心技术之一,保证了移动机器人高效、安全、自主地完成任务,已成为机器人领域的研究热点。目前,针对全局静态环境下移动机器人路径规划的研究较成熟,而对于部分未知环境下移动机器人路径规划研究还有待补充和完善。本文基于全局静态环境已知但存在部分事先未检测到的静态或动态障碍物的室内环境对移动机器人路径规划问题进行分析,提出一种混合路径规划方法。针对路径规划所需的较高精度环境地图,本文为解决传统Rao-Blackwillized粒子滤波算法运行时间长、提议分布精度不高以及重采样过程粒子退化的问题,将量子粒子群优化(QPSO)算法引入到Rao-Blackwillized粒子滤波算法,提出一种QPSO-RBPF-SLAM算法。该算法在基本提议分布中加入观测信息,在重采样中根据QPSO算法更新粒子位姿,对高低权值粒子进行自适应交叉变异操作。通过仿真实验,验证了该算法保持粒子的多样性,有效缓解粒子退化,能够获得较高精度的地图。下一步,在获得的高精度环境地图的基础上对移动机器人进行路径规划研究。针对全局已知的静态环境,对QPSO算法在路径规划时存在“早熟”以及陷入局部最优的不足,提出一种改进QPSO算法,即在QPSO算法的基础上引入自适应局部搜索策略和交叉操作。通过不同算法下的仿真实验,验证了该改进QPSO算法性能较于其它算法更有优越性。针对部分未知的环境,阐述了一种基于Morphin算法的局部路径规划方法。借鉴滚动规划的思想,构造滚动窗口,根据移动机器人自身携带的传感器感知周围环境信息,对检测到的障碍物进行识别和分析,采用Morpin算法对移动机器人会与之发生碰撞的静态和动态障碍物进行避障处理。通过仿真实验,验证了该方法能使移动机器人有效地避开未知环境下突现的动静态障碍物。本文结合全局路径规划和局部路径规划各自的优点,提出了一种基于改进QPSO和Morphin算法的混合路径规划方法。采用改进QPSO算法规划出一条全局最优路径,移动机器人沿着全局路径移动,当检测到未知障碍物时,调用Morpin算法避开障碍物并回到全局路径上继续移动。利用旅行家II号移动机器人搭建基于ROS的实验平台,进行混合路径规划实验。通过仿真实验和实际应用,验证移动机器人在全局路径的基础上对突现的障碍物有效地实现避障,完成路径规划。
【学位授予单位】：安徽工程大学
【学位级别】：硕士
【学位授予年份】：2018
【分类号】：TP242
【图文】：

安徽工程大学硕士学位论文多样性，有效缓解粒子退化，同时算法能在减少算得可靠的估计，整体性能得到较大提高，能够精确高精度的地图。有易于构建和维护的特点且不需要其他参数，本文。根据如图 2-1 所示的机器人运动学模型，现规定机本身采用同一坐标系以及机器人的出发点与世界坐用里程计来推算移动机器人相对位姿的变化以及通的扫描获取环境信息。

(b)N=100图 2-2 机器人位姿估计表 2-1 3 种算法的对比数据算法 粒子数 均方根误差（RMSE） 运行时间/sRBPF 50 2.361 0.343RBPF 100 2.045 0.561文献[41] 50 2.056 0.396文献[41] 100 1.472 0.673改进 RBPF 50 1.974 0.350改进 RBPF 100 1.386 0.647图 2-2 和表 2-1 可知，在粒子数相同的条件下，改进 RBPF 算法的均方小，与真实状态接近；随着粒子数的增加，虽然算法运行时间延长，结果则更加接近真实状态；与 RBPF 算法和文献[41]算法采用 100 个粒的估计结果相比，改进 RBPF 算法采用 50 个粒子能够获得较好的估计改进 RBPF 算法能利用较少的粒子获得可靠且较精确的估计。

图 2-3 机器人轨迹估计和路标估计表 2-2 3 种算法的对比数据算法 轨迹 RMSE 路标 RMSE 粒子数 运行时间/sRBPF 1.293 1.451 50 3.962文献[41] 0.976 1.154 36 2.471改进 RBPF 0.737 1.047 25 1.363由图 2-3 和表 2-2 可知，改进 RBPF 算法在进行轨迹和路标估计时所用粒运行时间比 RBPF 算法和文献[41]算法少。在轨迹估计方面，改进 RBPF到的轨迹轨迹与机器人实际轨迹误差较小，而 RBPF 算法和文献[41]算法轨迹波动较大；在路标估计方面，利用改进 RBPF 算法得到的路标估计路标较为接近，而 RBPF 算法和文献[41]算法得到的路标估计则在一定程离实际路标。因此，与 RBPF 算法和文献[41]算法相比，改进 RBPF 在机迹估计和路标估计能够得到更加满意的效果。下面利用维多利亚公园数据集对 RBPF 算法、文献[41]算法和改进 RBPF

【参考文献】

相关期刊论文 前10条

1 梁旭;刘才慧;;基于混合粒子群算法的在线检测路径规划[J];国外电子测量技术;2015年12期

2 李天成;范红旗;孙树栋;;粒子滤波理论、方法及其在多目标跟踪中的应用[J];自动化学报;2015年12期

3 谢宏;禹文科;杨鹏;张小刚;陈海滨;陈俊辉;;多子群分层差分粒子群算法的逆运动求解方法[J];电子测量与仪器学报;2015年10期

4 朱奇光;袁梅;陈卫东;陈颖;;基于CEH~∞ F的移动机器人SLAM算法研究[J];仪器仪表学报;2015年10期

5 杜明博;梅涛;陈佳佳;赵盼;梁华为;黄如林;陶翔;;复杂环境下基于RRT的智能车辆运动规划算法[J];机器人;2015年04期

6 王红旗;刘勇;罗宇锋;;带定位盲区的矿井人员全局无线定位算法[J];控制工程;2015年03期

7 韩萍;桑威林;石庆研;;一种新型非线性卡尔曼滤波方法[J];仪器仪表学报;2015年03期

8 万晓凤;胡伟;郑博嘉;方武义;;基于改进蚁群算法与Morphin算法的机器人路径规划方法[J];科技导报;2015年03期

9 张聪聪;王新珩;董育宁;;基于地磁场的室内定位和地图构建[J];仪器仪表学报;2015年01期

10 闫德立;宋永端;宋宇;康轶非;;一种改进的高斯混合概率假设密度SLAM算法[J];控制与决策;2014年11期

相关硕士学位论文 前2条

1 杨兴;室内自主导航移动机器人路径规划研究[D];中北大学;2016年

2 周文卷;复杂环境下自主移动机器人路径规划方法的研究[D];吉林大学;2014年

本文编号：2772838