基于激光雷达的室内移动机器人关键技术研究

发布时间：2020-07-26 14:35

【摘要】：21世纪以来,随着社会老龄化问题的凸显以及人力成本的提高,人类对机器人的需求使得机器人关键技术研究逐渐成熟并趋于智能化。室内移动机器人是智能移动机器人的一个重要研究方向,而环境地图构建、自主导航与行人检测、跟踪及跟随则是室内移动机器人最关键、最核心的功能,对其进行研究具有重要意义。本文针对室内移动机器人研究给出了本课题的软硬件整体系统设计方案,并从环境地图构建、自主导航与目标行人跟随三个方面对基于二维激光雷达的室内移动机器人进行了研究,最后对所选用算法进行了设计实现与系统集成。本文的主要工作包括以下四个方面:1)针对基于单一传感器的里程计精度不高的问题,提出一种基于扩展卡尔曼滤波对多传感器数据进行融合的里程计。对基于Rao-Blackwellized粒子滤波以及基于图优化原理两类同时定位与地图构建(Simultaneous Localization And Mapping,简称SLAM)算法进行了分析研究,提出一种基于多传感器运动模型的改进Rao-Blackwellized粒子滤波SLAM算法。从拥挤的办公室环境以及长直走廊环境对本课题提出的改进SLAM以及Cartographer进行了对比实验分析,最后选用本课题提出的改进SLAM算法完成环境地图构建。2)从代价地图生成、自定位、全局路径规划以及局部路径规划四个方面研究了室内移动机器人自主导航。在全局路径规划方面,对比分析了基于采样以及基于图两类算法,并根据仿真结果选定A*算法。在局部路径规划方面,对比分析了基于采样以及基于最优化两类算法,并根据仿真结果选定时间弹性带算法。3)通过对常用目标检测特征及目标跟踪算法进行研究分析,选定了可变型组件模型特征加LSVM分类器加核相关滤波的行人检测与目标行人跟踪的方案。针对单目相机无法获取行人到机器人距离的问题,提出了一种先对摄像机内参进行标定,然后利用棋盘格标定板作为中间坐标系获取激光雷达坐标系到摄像机坐标系转换,并通过夹面约束对两者数据进行融合的方法。最后给出了目标行人跟随的完整流程。4)根据本课题选用的硬件平台对选用的关键算法进行了实现与集成,并从地图构建、自主导航、目标行人跟随三个方面进行了系统实验,验证了本文提出的方法的可行性。
【学位授予单位】：华南理工大学
【学位级别】：硕士
【学位授予年份】：2019
【分类号】：TP242;TN958.98
【图文】：

机器人

1.2 国内外研究现状1.2.1 室内移动机器人研究现状近年来，以仓储、家庭服务为应用背景的室内移动机器人研究得到了世界各国政府和科研人员的重视，大量的明星机器人公司诞生，大量的机器人产品被开发出来。其中以美国的 willow Garage 公司开发的PR2 以及 TurtleBot 移动机器人平台最为出名，他们都是在是机器人历史上不可磨灭的明星产品，如图 1-1、图 1-2 所示。无数科研人员针对 PR2 开发了大量的应用程序，其中包括让机器人完成送餐、倒茶、叠放衣物、洗碗等多种家务劳动的程序开发包[1]。而 TurtleBot 则成为了科研领域的宠儿，很多算法都用其来进行验证和测试[2]。并且 willow Garage 公司大力推动了机器人操作系统（RobotOperation System，简称 ROS）的发展[3]，基于这个免费且开源的机器人操作系统，开发者就可以从繁重的底层技术开发任务中抽出身来，把技术研发的重点放到具体场景和具体任务的实现上，从而形成更加快速的技术更新和迭代，推动机器人行业稳步前进。

机器人

【参考文献】