基于激光雷达的室内AGV地图创建与定位方法研究

发布时间：2018-06-25 03:38

本文选题：自动导引车 + 激光导航　；参考：《南京航空航天大学》2014年博士论文

【摘要】：自动导引车(Automated guided vehicle,AGV)作为一种自动化物流装备,越来越多地应用到物料搬运和装配场合。导航技术是AGV的核心技术之一。基于激光雷达的AGV导航技术具有定位精度高、路径柔性高和智能化程度高的优点,适应了AGV导航技术的发展趋势,是目前得到较多研究的导航方式之一。尽管激光导航在AGV领域已经获得成功应用,但是现有的激光导航技术还存在严重依赖反射板,地图创建精度不高和初始定位需要人工参与给应用带来不便等问题。本文在概述激光导航关键技术和综述激光导航相关技术的研究成果和发展趋势的基础上,以室内结构化环境应用为背景,围绕环境感知、地图创建和定位三个方面开展对激光导航技术的基础性研究工作。在分析比较线段类特征和点类特征各自特点的基础上,选择角点和断点两种形式的点类特征表示环境地图。针对直接从激光雷达扫描数据中不易精确、稳定地提取此类特征点的问题,采用先提取线段特征,在此基础上再提取点特征的策略。提取线段特征时,鉴于迭代端点拟合(Iterative End Point Fit,IEPF)方法易出现过分割和欠分割的问题,提出一种基于分割-合并的线段特征提取方法,并且在建立激光雷达测量不确定性模型和给出其不确定性估计方法的基础上,推导了特征线段参数及其不确定性估计方法。提取特征点时,为了增加特征点数量,在Conette所考虑的四种情况的特征点的基础上增加两种情况的特征点并给出识别方法,然后根据特征点的形式分别推导了角点和断点特征的位置及其不确定性估计方法。针对常规EKF(Extended Kalman Filter)SLAM(Simultaneous Localization and Mapping)的一致性问题,提出一种融合绝对方向信息的EKF SLAM方法。该方法将SLAM分为内外两层EKF滤波结构。内层EKF通过编码器信息预测AGV位姿,通过电子罗盘信息校正AGV位姿;外层EKF将内层EKF的输出作为该层EKF对AGV位姿的预测,通过激光雷达传感器数据同时校正AGV位姿与环境地图。针对EKF SLAM在计算过程中系统噪声难以估计的问题,提出一种基于IAE(Innovation-based adaptive estimation)-CMAC(Cerebellar Model Articulation Controller)的自适应系统噪声估计方法。该方法通过CMAC逼近速度与角速度到系统噪声统计特性的映射函数,通过IAE方法获得CMAC的学习样本,在CMAC学习训练的同时实现对EKF SLAM中的系统噪声的自适应估计。针对采用EKF方法进行位姿跟踪时需要精确的初始位姿,而该位姿不易给定的问题,提出一种能够在特征地图中实现全局定位的Markov定位方法。该方法分为时间更新和观测更新两个阶段。在时间更新阶段,为了实现信度图像的非整数倍栅格平移,提出一种基于频域处理的时间更新方法。该方法在将离散化的三维位姿空间降为二维后,通过傅里叶变换将信度图像从空域变换到频域,利用空域图像和频域图像之间的关系实现信度图像的非整数倍栅格平移和对信度图像的模糊化操作,然后通过傅里叶逆变换将信度图像从频域变换回空域。在观测更新阶段,为了实现无数据关联的似然计算,有效利用递推贝叶斯估计,提出一种基于高斯核平滑的观测更新方法。该方法通过高斯核函数对提取的路标进行连续化,对连续化后的虚拟环境轮廓进行等角度间隔离散化,最后建立观测似然模型计算观测似然。为了验证上述理论与方法,在对融合绝对方向信息的EKF SLAM方法与基于Markov的AGV全局定位方法进行仿真验证的基础上,设计和开发了激光导航AGV实验平台。利用该平台,在室内环境中利用采集的激光雷达、编码器和电子罗盘数据,进行特征提取、地图创建与定位实验。实验结果验证了所提出的理论与方法的有效性。最后,对本文的主要创新点和研究成果进行了总结,并对课题进一步的研究工作进行了期望。
[Abstract]:This paper presents an EKF SLAM method based on segmentation - merging . In order to realize the non - integral multiple grid translation of the reliability image , a method of time updating based on Gaussian kernel smoothing is proposed in order to realize the non - integer multiple grid translation of the reliability image .
【学位授予单位】：南京航空航天大学
【学位级别】：博士
【学位授予年份】：2014
【分类号】：TP23;TN958.98

【参考文献】