多机器人救援系统研究
发布时间：2021-03-09 12:36
当发生自然灾害或者意外事故,如火灾事故、爆炸或者人质绑架现场,救援机器人具有减少人力需求、长时间工作不疲劳、能够进入人类所不能进入的场所等优点。同时与单机器人相比,多机器人可以通过对任务的适当分解,分配每个机器人去完成不同的子任务,达到提高工作效率,增加冗余度和解决方案的鲁棒性。本课题拟设计一种多机器人救援系统。系统中的每个机器人都可以通过Slam技术快速建立环境地图,然后根据环境地图和传感器感知信息进行融合定位。接着设计改进A*算法和改进的动态窗口法（DWA）结合的路径规划方法控制机器人在环境中自由作业。最后使用混合式的控制方式控制三个机器人,每个机器人之间通过ROS机器人操作系统建立通信,同时又有一台主机订阅所有机器人的消息,设计一套多机器人协同避障策略来防止机器人之间的碰撞,使多个机器人可以同时在环境中作业。本课题在ROS操作系统下搭建仿真环境验证了每一个部分算法的效果。最后使用Turtle Bot2移动机器人平台进行了实际环境的测试,测试结果证明了该多机器人系统满足建图、定位、导航和多机器人配合的要求。同时该多机器人系统针对不同救援场景,通过添加特定的功能...
【文章来源】：上海应用技术大学上海市
【文章页数】：62 页
【学位级别】：硕士
【部分图文】：
velodyne激光雷达Fig.1.1velodynelidar
上海应用技术大学硕士学位论文第3页图1.1velodyne激光雷达Fig.1.1velodynelidar图1.2kinect摄像头Fig.1.2Kinectcamera对于计算能力有限的计算机，通常会使用激光雷达进行扫描匹配而不是摄像头，然后再加上编码器来获取底盘里程计的数据来辅佐激光雷达进行定位。主流的激光Slam算法中，粒子滤波是比较优秀的方法，它可以通过粒子去描述当前机器人的状态信息，但是为了确保定位的可靠性，通常会加入大量的粒子，可能会导致计算量过大的问题[16]。Grissett等人在2007年提出Gmapping算法，该算法将粒子滤波算法优化，增加了改善提议分布和限制重采样次数的方法对粒子滤波算法做出了改进，在保证定位精度的同时并没有增加主机的计算负荷，该算法的提出使激光Slam迈出了重要的一步[17]。2010年，Konolige等人提出了Karto算法，该算法通过图优化理论实时优化机器人的位姿状态，通过实时宽范围姿态调整的方法来提高求解非线性优化问题的速度，提高了计算速度[18]。2011年，Kohlbrecher等人提出了不需要里程计信息辅助的，仅仅靠激光雷达数据的Slam方法Hector[19]，该方法实现方式十分简便，它只需要接收激光雷达Scan信息来完成环境特征匹配，利用高斯牛顿方法提升匹配精度，此算法对激光雷达的精度有一定的要求，因为它舍去了里程计信息，没有了位姿纠正。谷歌在2016年开源了Slam方法Cartographer，该算法使用分支定界法来提高环境特征扫描匹配的速度[20]，单从效果来说是当时效果最好的Slam算法，但是该算法激光数据单一，鲁棒性相对较差，而且计算量过大。视觉Slam主要是指基于单目、双目、深度相机等传感器的同时定位与建图方法，它主要针对相机采集到的图像信息进行分析，计算机器人在运动过程中自身位姿和环境中障碍物的世界坐标，通过这些环
第4页上海应用技术大学硕士学位论文出现，设备计算能力的大幅度提高，还有一系列视觉算法的发展，导致了大量视觉Slam技术被提出。在视觉Slam研究初期，后端问题的解决主要使用马尔可夫模型和贝叶斯方法。2002年Montemerlo等人提出基于粒子滤波器的Slam方法FastSLAM，它对非线性问题的解决十分有效。2014年，Murartal等人提出ORB特征点法，该方法相对传统特征点法，提取和匹配的效率更高，计算量也大大减小，但是该算法当图像中角点较少时准确性就会降低，当图像中没有角点的时候，算法就会失效。图1.3KUKA机器人Fig.1.3KUKArobot激光雷达Slam算法已经较为成熟，在工业现场已经被大量应用，例如KUKA等（如图1.3所示）；以摄像头为传感器的视觉Slam也已应用于低速的机器人[21]，如清洁机器人等。当前阶段的Slam方法在实时性、稳定性、精准性等方面和理想效果还有一定差距，但是随着视觉算法，机器视觉，还有各种优化算法的发展，已经各种传感器如激光雷达、摄像头的质量提升以及降成本化，还有各类处理器计算能力的增强，Slam算法在移动机器人上的应用会越来越广泛，Slam算法也越来越吸引公司、机构和高质量人才的研究[22]。1.2.3救援机器人运动规划的发展现状救援机器人路径规划主要分为基于环境信息已知的全局路径规划和依靠传感器感知的局部路径规划。全局路径规划可以迅速规划出障碍物已知情况下的路径，但是缺乏实时性，如果突然有障碍物闯入，比如灾区落石等，可能会发生不必要的碰撞，局部路径规划根据传感器反馈的信息进行处理，形成闭环控制，从而可以绕过灾区环境中的动态障碍物，但缺乏全局掌控能力。路径规划算法又分为针对车辆模型的路径规划算法和针对机器人模型的路径规划算法。在针对车辆模型的路径规划算法中，主要针对车?
【参考文献】：
期刊论文
[1]一种基于缓冲区分析的A*算法路径规划[J]. 康传利,张临炜,陈洋,时满星,顾俊峰. 桂林理工大学学报. 2019(04)
[2]室内机器人避碰路径规划[J]. 张智,翁宗南,苏丽,光正慧. 小型微型计算机系统. 2019(10)
[3]基于人工势力场做功的智能导航系统[J]. 李鑫,吴嘉鑫,胡城升,徐璐,芦立娟,鲁晓东. 中国水运(下半月). 2019(10)
[4]适用于低端激光雷达的优化Hector SLAM算法[J]. 苏易衡,张奇志,周亚丽. 实验室研究与探索. 2019(09)
[5]基于改进RRT算法的差动机器人路径规划[J]. 陈敏,李笑,武交峰. 计算机应用与软件. 2019(09)
[6]一种改进的AMCL机器人定位方法[J]. 王宁,王坚,李丽华. 导航定位学报. 2019(03)
[7]基于改进A*算法优化的移动机器人路径规划研究[J]. 陈豪,李勇,罗靖迪. 自动化与仪器仪表. 2018(12)
[8]一种基于改进混合A*的智能车路径规划算法[J]. 齐尧,徐友春,李华,王任栋. 军事交通学院学报. 2018(08)
[9]拓展搜索邻域的平滑A*算法机器人路径规划[J]. 任玉洁,付丽霞,张勇,毛剑琳. 电子科技. 2018(05)
[10]基于双重A*算法的移动机器人动态环境路径规划[J]. 陈伟华,林颖,文宗明,缪丹云. 组合机床与自动化加工技术. 2018(04)
博士论文
[1]基于视觉的多机器人协作SLAM研究[D]. 苑全德.哈尔滨工业大学 2016
硕士论文
[1]多移动机器人路径规划及仿真研究[D]. 王甜甜.西安理工大学 2019
[2]基于ROS的机器人路径导航系统的设计与实现[D]. 王辉.中国科学院大学(中国科学院沈阳计算技术研究所) 2019
[3]复杂环境下多移动机器人协同路径规划[D]. 夏清松.武汉科技大学 2019
[4]仓储物流机器人集群协同调度系统研究[D]. 陈明智.江汉大学 2019
[5]动态环境下双机器人路径规划[D]. 苏吉恒.兰州理工大学 2019
[6]多移动机器人系统中路径规划算法的研究[D]. 徐源正.电子科技大学 2019
[7]基于激光雷达的室内机器人SLAM研究[D]. 李昀泽.华南理工大学 2016
[8]基于云平台的机器人地图构建与管理及移动端控制[D]. 唐怀珠.山东大学 2016
[9]基于激光数据的移动机器人地图创建问题研究[D]. 蔡向东.国防科学技术大学 2010
本文编号：3072860
【文章来源】：上海应用技术大学上海市
【文章页数】：62 页
【学位级别】：硕士
【部分图文】：
velodyne激光雷达Fig.1.1velodynelidar
上海应用技术大学硕士学位论文第3页图1.1velodyne激光雷达Fig.1.1velodynelidar图1.2kinect摄像头Fig.1.2Kinectcamera对于计算能力有限的计算机，通常会使用激光雷达进行扫描匹配而不是摄像头，然后再加上编码器来获取底盘里程计的数据来辅佐激光雷达进行定位。主流的激光Slam算法中，粒子滤波是比较优秀的方法，它可以通过粒子去描述当前机器人的状态信息，但是为了确保定位的可靠性，通常会加入大量的粒子，可能会导致计算量过大的问题[16]。Grissett等人在2007年提出Gmapping算法，该算法将粒子滤波算法优化，增加了改善提议分布和限制重采样次数的方法对粒子滤波算法做出了改进，在保证定位精度的同时并没有增加主机的计算负荷，该算法的提出使激光Slam迈出了重要的一步[17]。2010年，Konolige等人提出了Karto算法，该算法通过图优化理论实时优化机器人的位姿状态，通过实时宽范围姿态调整的方法来提高求解非线性优化问题的速度，提高了计算速度[18]。2011年，Kohlbrecher等人提出了不需要里程计信息辅助的，仅仅靠激光雷达数据的Slam方法Hector[19]，该方法实现方式十分简便，它只需要接收激光雷达Scan信息来完成环境特征匹配，利用高斯牛顿方法提升匹配精度，此算法对激光雷达的精度有一定的要求，因为它舍去了里程计信息，没有了位姿纠正。谷歌在2016年开源了Slam方法Cartographer，该算法使用分支定界法来提高环境特征扫描匹配的速度[20]，单从效果来说是当时效果最好的Slam算法，但是该算法激光数据单一，鲁棒性相对较差，而且计算量过大。视觉Slam主要是指基于单目、双目、深度相机等传感器的同时定位与建图方法，它主要针对相机采集到的图像信息进行分析，计算机器人在运动过程中自身位姿和环境中障碍物的世界坐标，通过这些环
第4页上海应用技术大学硕士学位论文出现，设备计算能力的大幅度提高，还有一系列视觉算法的发展，导致了大量视觉Slam技术被提出。在视觉Slam研究初期，后端问题的解决主要使用马尔可夫模型和贝叶斯方法。2002年Montemerlo等人提出基于粒子滤波器的Slam方法FastSLAM，它对非线性问题的解决十分有效。2014年，Murartal等人提出ORB特征点法，该方法相对传统特征点法，提取和匹配的效率更高，计算量也大大减小，但是该算法当图像中角点较少时准确性就会降低，当图像中没有角点的时候，算法就会失效。图1.3KUKA机器人Fig.1.3KUKArobot激光雷达Slam算法已经较为成熟，在工业现场已经被大量应用，例如KUKA等（如图1.3所示）；以摄像头为传感器的视觉Slam也已应用于低速的机器人[21]，如清洁机器人等。当前阶段的Slam方法在实时性、稳定性、精准性等方面和理想效果还有一定差距，但是随着视觉算法，机器视觉，还有各种优化算法的发展，已经各种传感器如激光雷达、摄像头的质量提升以及降成本化，还有各类处理器计算能力的增强，Slam算法在移动机器人上的应用会越来越广泛，Slam算法也越来越吸引公司、机构和高质量人才的研究[22]。1.2.3救援机器人运动规划的发展现状救援机器人路径规划主要分为基于环境信息已知的全局路径规划和依靠传感器感知的局部路径规划。全局路径规划可以迅速规划出障碍物已知情况下的路径，但是缺乏实时性，如果突然有障碍物闯入，比如灾区落石等，可能会发生不必要的碰撞，局部路径规划根据传感器反馈的信息进行处理，形成闭环控制，从而可以绕过灾区环境中的动态障碍物，但缺乏全局掌控能力。路径规划算法又分为针对车辆模型的路径规划算法和针对机器人模型的路径规划算法。在针对车辆模型的路径规划算法中，主要针对车?
【参考文献】：
期刊论文
[1]一种基于缓冲区分析的A*算法路径规划[J]. 康传利,张临炜,陈洋,时满星,顾俊峰. 桂林理工大学学报. 2019(04)
[2]室内机器人避碰路径规划[J]. 张智,翁宗南,苏丽,光正慧. 小型微型计算机系统. 2019(10)
[3]基于人工势力场做功的智能导航系统[J]. 李鑫,吴嘉鑫,胡城升,徐璐,芦立娟,鲁晓东. 中国水运(下半月). 2019(10)
[4]适用于低端激光雷达的优化Hector SLAM算法[J]. 苏易衡,张奇志,周亚丽. 实验室研究与探索. 2019(09)
[5]基于改进RRT算法的差动机器人路径规划[J]. 陈敏,李笑,武交峰. 计算机应用与软件. 2019(09)
[6]一种改进的AMCL机器人定位方法[J]. 王宁,王坚,李丽华. 导航定位学报. 2019(03)
[7]基于改进A*算法优化的移动机器人路径规划研究[J]. 陈豪,李勇,罗靖迪. 自动化与仪器仪表. 2018(12)
[8]一种基于改进混合A*的智能车路径规划算法[J]. 齐尧,徐友春,李华,王任栋. 军事交通学院学报. 2018(08)
[9]拓展搜索邻域的平滑A*算法机器人路径规划[J]. 任玉洁,付丽霞,张勇,毛剑琳. 电子科技. 2018(05)
[10]基于双重A*算法的移动机器人动态环境路径规划[J]. 陈伟华,林颖,文宗明,缪丹云. 组合机床与自动化加工技术. 2018(04)
博士论文
[1]基于视觉的多机器人协作SLAM研究[D]. 苑全德.哈尔滨工业大学 2016
硕士论文
[1]多移动机器人路径规划及仿真研究[D]. 王甜甜.西安理工大学 2019
[2]基于ROS的机器人路径导航系统的设计与实现[D]. 王辉.中国科学院大学(中国科学院沈阳计算技术研究所) 2019
[3]复杂环境下多移动机器人协同路径规划[D]. 夏清松.武汉科技大学 2019
[4]仓储物流机器人集群协同调度系统研究[D]. 陈明智.江汉大学 2019
[5]动态环境下双机器人路径规划[D]. 苏吉恒.兰州理工大学 2019
[6]多移动机器人系统中路径规划算法的研究[D]. 徐源正.电子科技大学 2019
[7]基于激光雷达的室内机器人SLAM研究[D]. 李昀泽.华南理工大学 2016
[8]基于云平台的机器人地图构建与管理及移动端控制[D]. 唐怀珠.山东大学 2016
[9]基于激光数据的移动机器人地图创建问题研究[D]. 蔡向东.国防科学技术大学 2010
本文编号：3072860
本文链接：https://www.wllwen.com/kejilunwen/zidonghuakongzhilunwen/3072860.html
