基于多传感器信息融合的移动机器人室内导航研究

发布时间：2020-12-17 17:52

　　近年来,人工智能及其机器人技术高速发展,移动机器人性能不断地完善,移动机器人的应用范围大为扩展。与此同时,随着信息时代的到来,信息融合技术成为一项重要的技术,并且在机器人领域得到广泛地应用。因此,对基于信息融合的移动机器人室内导航研究具有十分重要的理论意义和应用价值。在机器人操作系统的平台上,本文采用里程计、惯性测量单元和激光传感器完成基于信息融合的移动机器人室内导航系统设计。本文首先在移动机器人的FastSLAM（Fast Simultaneous Localization And Mapping）算法研究中,针对采用单一传感器的FastSLAM算法所存在的构建地图精度较低的问题,提出一种基于信息融合的改进FastSLAM算法,改进算法采用扩展卡尔曼滤波信息融合算法将里程计数据与惯性测量单元数据进行数据融合,为提议分布提供更加准确的数据,在粒子重采样阶段中,采用改进QPSO（Quantumbehaved Particle Swarm Optimization,量子行为粒子群优化）算法,在QPSO算法中的粒子位置更新公式中,引入基于粒子适应度值的动态阈值,根据阈值的划分对相应的粒子进行... 

【文章来源】：重庆邮电大学重庆市

【文章页数】：84 页

【学位级别】：硕士

【文章目录】：
摘要
abstract
第1章 绪论
    1.1 研究背景及意义
    1.2 国内外相关课题研究现状
        1.2.1 移动机器人导航技术研究现状
        1.2.2 移动机器人信息融合技术研究现状
        1.2.3 移动机器人SLAM技术研究现状
        1.2.4 移动机器人路径规划技术研究现状
    1.3 论文主要研究内容及结构安排
        1.3.1 论文主要研究内容
        1.3.2 论文组织结构
    1.4 本章小结
第2章 基于信息融合的移动机器人室内导航系统方案设计
    2.1 移动机器人导航相关技术
        2.1.1 机器人定位技术
        2.1.2 地图构建技术
        2.1.3 路径规划技术
    2.2 ROS技术
        2.2.1 计算图级层
        2.2.2 文件系统层
    2.3 移动机器人多传感器信息融合导航系统设计
        2.3.1 栅格地图模型
        2.3.2 传感器模型
        2.3.3 导航总体框架设计
    2.4 本章小结
第3章 基于信息融合的改进SLAM算法
    3.1 SLAM原理
    3.2 信息融合理论基础
    3.3 粒子滤波基本原理
        3.3.1 贝叶斯滤波
        3.3.2 基于蒙特卡罗方法的重要性采样
        3.3.3 序列重要性采样
        3.3.4 重采样技术
    3.4 基于RBPF的 FAST-SLAM算法
    3.5 改进的FAST-SLAM算法
        3.5.1 基于EKF的信息融合
        3.5.2 基于改进QPSO算法的重采样
        3.5.3 改进算法流程
    3.6 实验结果及分析
    3.7 本章小结
第4章 基于全局规划与局部规划相结合的改进路径规划方法
    4.1 Dijstra算法和改进QPSO算法相结合的全局路径规划方法
        4.1.1 Dijstra算法原理
        4.1.2 改进QPSO算法
        4.1.3 基于QPSO和 Dijstra算法路径规划算法流程
        4.1.4 实验结果及分析
    4.2 改进人工势场法算法的局部路径规划方法
        4.2.1 人工势场法原理
        4.2.2 模糊控制算法
        4.2.3 改进的人工势场算法
        4.2.4 基于人工势场法与模糊控制算法相结合的路径规划算法流程
        4.2.5 实验结果及分析
    4.3 基于全局与局部相结合的改进路径规划
        4.3.1 基于全局与局部相结合的路径规划算法
        4.3.2 ROS上基于全局与局部相结合的路径规划实验结果分析
    4.4 本章小结
第5章 基于信息融合的移动机器人室内导航系统实现
    5.1 系统软硬件平台
        5.1.1 系统硬件平台
        5.1.2 系统软件平台
    5.2 导航控制策略
    5.3 移动机器人导航系统实现
        5.3.1 系统软硬件平台调试
        5.3.2 配置和封装地图构建和路径规划功能包
        5.3.3 基于信息融合的改进重采样的FAST-SLAM算法构建先验地图
        5.3.4 基于先验地图的导航系统实现
    5.4 导航实验及结果分析
    5.5 本章小结
第6章 总结与展望
    6.1 论文总结
    6.2 工作展望
参考文献
致谢
攻读硕士学位期间从事的科研工作及取得的成果


【参考文献】：
期刊论文
[1]基于人工离线特征库的室内机器人双目定位[J]. 张智,张磊,苏丽,郭文县.  哈尔滨工程大学学报. 2017(12)
[2]基于一种改进A*算法的移动机器人路径规划[J]. 孙炜,吕云峰,唐宏伟,薛敏.  湖南大学学报(自然科学版). 2017(04)
[3]基于动态反馈A~*蚁群算法的平滑路径规划方法[J]. 黄辰,费继友,刘洋,李花,刘晓东.  农业机械学报. 2017(04)
[4]改进QPSO和Morphin算法下移动机器人混合路径规划[J]. 伍永健,陈跃东,陈孟元.  电子测量与仪器学报. 2017(02)
[5]一种动态搜索策略的蚁群算法及其在机器人路径规划中的应用[J]. 游晓明,刘升,吕金秋.  控制与决策. 2017(03)
[6]基于高斯分布重采样的Rao-Blackwellized粒子滤波SLAM算法[J]. 张毅,郑潇峰,罗元,庞冬雪.  控制与决策. 2016(12)
[7]基于多传感器信息融合的机器人姿态测量系统[J]. 杨丹,刘小平,胡凌燕.  计算机工程与设计. 2016(06)
[8]基于优化RBPF的同时定位与地图构建[J]. 罗元,苏琴,张毅,郑潇峰.  华中科技大学学报(自然科学版). 2016(05)
[9]基于复杂环境非均匀建模的蚁群路径规划[J]. 卜新苹,苏虎,邹伟,王鹏,周海.  机器人. 2016(03)
[10]机器人球面单径容积FastSLAM算法[J]. 朱奇光,袁梅,王梓巍,陈颖,陈卫东.  机器人. 2015(06)

博士论文
[1]基于异类传感器信息融合的目标跟踪理论与方法研究[D]. 王琪龙.北京交通大学 2017
[2]多源信息融合技术在钢结构斜拉桥状态评估中的应用研究[D]. 刘小玲.东南大学 2017

硕士论文
[1]基于多传感器信息融合的迎宾机器人避障问题研究[D]. 苏衍保.山东科技大学 2017
[2]基于ROS的移动机器人室内激光导航研究[D]. 郑潇峰.重庆邮电大学 2017
[3]基于多传感器信息融合的移动机器人避障研究[D]. 杨小菊.沈阳理工大学 2017
[4]基于多传感器信息融合的汽车防盗系统设计[D]. 陈功.哈尔滨理工大学 2016



本文编号：2922434