基于SLAM的跟随示教讲解机器人算法研究及软件开发
发布时间：2021-09-22 13:52
随着科技的高速发展,快节奏的社会生活对自动化和智能化提出了更高的要求。集中体现现代自动化与智能化的机器人技术,不仅在工业领域大放异彩,近些年更是以各类服务机器人的形式走入千家万户。讲解机器人作为近些年快速兴起的一类服务机器人,已经得到了长足的发展。由讲解机器人代替人工讲解,在降低人工成本的方面将有很大意义。针对讲解机器人所处的环境特点,本文研究了基于SLAM的跟随示教讲解机器人方案并对软件进行了开发。根据展馆环境特点与服务机器人低成本的要求,首先选择相应的传感器硬件并确定了以环境建图、跟随示教和自动讲解三部分为主要功能的软件系统。分别对各功能环节选择恰当的实现方法,对机器人软件系统进行开发,最后通过仿真论证方案的可行性,完成方案设计。在对各功能要求的实现上,本文确定传感器采用单线激光雷达,在建图环节首先根据单线雷达获取的数据特点,对冗杂的点云信息进行自适应降采样。前端通过对单帧信息的扫描匹配,初步建立地图。为了抑制前端累积误差,后端采用回环检测的方式在位姿图中构建新的约束,最后通过基于位姿图的全局优化减小累计误差。在跟随示教部分,对跟随功能的实现进行分析,确定对人脸进行识别的跟随方案。...
【文章来源】：哈尔滨工业大学黑龙江省 211工程院校 985工程院校
【文章页数】：72 页
【学位级别】：硕士
【部分图文】：
云迹Sail讲解机器人
哈尔滨工业大学工程硕士学位论文-1-第1章绪论1.1课题来源及研究的背景和意义1.1.1课题的来源本课题来源于芜湖哈特机器人产业研究院2019年前瞻技术研发部门重点研发项目。在企业展馆和博物馆的环境下，为替代人力进行讲解工作，本课题将研究一款跟随示教的讲解机器人，其能通过跟随构建环境地图、示教讲解点位并自动进行讲解工作，最终对其软件系统进行开发。1.1.2课题研究的背景和意义讲解机器人作为近些年快速兴起的一种服务机器人，经过多年积累的机器人技术成果转化，目前国内外已迅速崛起多家致力于开发商用级讲解机器人的新兴企业，其产品已部分获得市场认可。如图1-1、1-2所示，目前，云迹科技、小笨智能、沈阳新松、中科三合、日本软银等公司均已推出自己的商用型讲解服务机器人，这些产品已能在一定程度上完成简单的讲解服务功能。图1-1云迹Sail讲解机器人图1-2软银Pepper机器人讲解机器人的诞生来源于两方面的契机。第一个方面，机器人技术的快速发展给讲解机器人等服务机器人的出现提供了物质基础的保障。根据相关资料，2017年全国的机器人市场规模在62.8亿美元左右。在2012-2017年之间，其规模的年平均增长率达到了28%。2013年至今，我国已然成为了全球第一大的工业机器人应用市场[1]。另一方面，企业出于对人力成本和技术宣传等方面的考虑，对讲解机器人的诞生提出了需求。传统人员讲解方式工作灵活性好，但随着人力资源成本的不断上升，对于有如讲解的高重复性工作使用“机器换人”的全新解决方案，对降低成本和增加工作发挥稳定性都有极大助益。同时，企业展厅作为
哈尔滨工业大学工程硕士学位论文-3-的问题时更多地诉诸于基于概率的方法，这些方法包括了扩展卡尔曼滤波、最大似然估计和粒子滤波等。之后的算法分析阶段里，得益于人们对SLAM问题求解基本性质的研究和数学工具的发展，人们认识到了BA问题求解中的矩阵稀疏性，这对SLAM问题的高效求解具有十分重大的意义。如今正处于SLAM的鲁棒感知时代，研究者对SLAM提出了新的要求，即更高的鲁棒性、更深入的环境理解、更强的计算资源优化以及更智能的任务自适应能力[4]。建立环境地图来自于两方面的需求。首先，许多机器人任务通常需要已知的环境信息来支持，例如路径规划、环境中的定位或是航迹可视化的呈现。另一方面，通过使用地图，使得通过匹配获取定位变得可能，此举能够使机器人在重新访问已知区域时消除由增量式传感器带来的累计误差的影响。因此，SLAM地图的构建对许多后续应用十分重要。按照激光SLAM所使用的数学优化方法不同，可以分为基于滤波器的与基于图优化的两种。由SmithR等人提出的扩展卡尔曼滤波SLAM方案（EKF-SLAM）[5]，使用最大似然算法进行数据关联。如图1-3所示，红线表示实际路径，蓝线表示推测路径。品红色点表示的是实际路标点位置，而黑色十字表示计算所得路标点位置。该方案的缺点是计算量复杂，鲁棒性较差，同时其构建的地图是特征地图而不是栅格地图，所以无法应用在导航避障上。图1-3EKF-SLAM效果图[50]由于EKF-SLAM构建的地图无法直接用于路径规划与导航，对了改进其不足，MontemerloM等人提出了FastSLAM方案[6]。在FastSLAM中，SLAM问题被分为了机器人的位姿估计定位问题和基于机器人的定位信息构建环境地图的
【参考文献】：
期刊论文
[1]智能车辆自动跟随控制的目标跟踪算法研究[J]. 王铖,刘中姐,袁新枚,史书恒,李柏毅. 汽车技术. 2020(07)
[2]基于UWB的自主跟随机器人系统设计[J]. 杨再标,易先军,彭萌,耿翰夫,付龙. 自动化与仪表. 2020(03)
[3]基于深度相机的移动机器人自主跟随技术[J]. 任恒乐,徐方,邸霈,田大吉. 计算机工程与设计. 2020(02)
[4]基于激光雷达的移动机器人人体目标跟随[J]. 杜华臻,张文安,杨旭升. 高技术通讯. 2019(12)
[5]激光SLAM导航移动机器人定位算法研究综述[J]. 易柯敏,沈艳霞. 机器人技术与应用. 2019(05)
[6]复杂环境下的自由空间中自主跟随移动目标的多信息融合方法与应用[J]. 王正家,李明,夏正乔,何博,何涛. 传感器与微系统. 2019(04)
[7]基于深度学习的视频跟踪研究进展综述[J]. 戴凤智,魏宝昌,欧阳育星,金霞. 计算机工程与应用. 2019(10)
[8]自动跟随机器人[J]. 王伟业,王仕敬,孙超付. 科技创新导报. 2018(32)
[9]互联网超市购物车自动跟随系统的原理及算法[J]. 蒋超,朱春生,赵淼,朱永红. 电子技术与软件工程. 2018(20)
[10]全国机器人产业发展报告[J]. 领导决策信息. 2018(35)
硕士论文
[1]基于无线网络的定位技术研究[D]. 许哲琪.北京交通大学 2019
[2]移动机器人动态人体跟踪与识别[D]. 朱伟.哈尔滨工程大学 2019
[3]基于Kinect的动态人体投影映射[D]. 何冲.上海交通大学 2018
本文编号：3403866
【文章来源】：哈尔滨工业大学黑龙江省 211工程院校 985工程院校
【文章页数】：72 页
【学位级别】：硕士
【部分图文】：
云迹Sail讲解机器人
哈尔滨工业大学工程硕士学位论文-1-第1章绪论1.1课题来源及研究的背景和意义1.1.1课题的来源本课题来源于芜湖哈特机器人产业研究院2019年前瞻技术研发部门重点研发项目。在企业展馆和博物馆的环境下，为替代人力进行讲解工作，本课题将研究一款跟随示教的讲解机器人，其能通过跟随构建环境地图、示教讲解点位并自动进行讲解工作，最终对其软件系统进行开发。1.1.2课题研究的背景和意义讲解机器人作为近些年快速兴起的一种服务机器人，经过多年积累的机器人技术成果转化，目前国内外已迅速崛起多家致力于开发商用级讲解机器人的新兴企业，其产品已部分获得市场认可。如图1-1、1-2所示，目前，云迹科技、小笨智能、沈阳新松、中科三合、日本软银等公司均已推出自己的商用型讲解服务机器人，这些产品已能在一定程度上完成简单的讲解服务功能。图1-1云迹Sail讲解机器人图1-2软银Pepper机器人讲解机器人的诞生来源于两方面的契机。第一个方面，机器人技术的快速发展给讲解机器人等服务机器人的出现提供了物质基础的保障。根据相关资料，2017年全国的机器人市场规模在62.8亿美元左右。在2012-2017年之间，其规模的年平均增长率达到了28%。2013年至今，我国已然成为了全球第一大的工业机器人应用市场[1]。另一方面，企业出于对人力成本和技术宣传等方面的考虑，对讲解机器人的诞生提出了需求。传统人员讲解方式工作灵活性好，但随着人力资源成本的不断上升，对于有如讲解的高重复性工作使用“机器换人”的全新解决方案，对降低成本和增加工作发挥稳定性都有极大助益。同时，企业展厅作为
哈尔滨工业大学工程硕士学位论文-3-的问题时更多地诉诸于基于概率的方法，这些方法包括了扩展卡尔曼滤波、最大似然估计和粒子滤波等。之后的算法分析阶段里，得益于人们对SLAM问题求解基本性质的研究和数学工具的发展，人们认识到了BA问题求解中的矩阵稀疏性，这对SLAM问题的高效求解具有十分重大的意义。如今正处于SLAM的鲁棒感知时代，研究者对SLAM提出了新的要求，即更高的鲁棒性、更深入的环境理解、更强的计算资源优化以及更智能的任务自适应能力[4]。建立环境地图来自于两方面的需求。首先，许多机器人任务通常需要已知的环境信息来支持，例如路径规划、环境中的定位或是航迹可视化的呈现。另一方面，通过使用地图，使得通过匹配获取定位变得可能，此举能够使机器人在重新访问已知区域时消除由增量式传感器带来的累计误差的影响。因此，SLAM地图的构建对许多后续应用十分重要。按照激光SLAM所使用的数学优化方法不同，可以分为基于滤波器的与基于图优化的两种。由SmithR等人提出的扩展卡尔曼滤波SLAM方案（EKF-SLAM）[5]，使用最大似然算法进行数据关联。如图1-3所示，红线表示实际路径，蓝线表示推测路径。品红色点表示的是实际路标点位置，而黑色十字表示计算所得路标点位置。该方案的缺点是计算量复杂，鲁棒性较差，同时其构建的地图是特征地图而不是栅格地图，所以无法应用在导航避障上。图1-3EKF-SLAM效果图[50]由于EKF-SLAM构建的地图无法直接用于路径规划与导航，对了改进其不足，MontemerloM等人提出了FastSLAM方案[6]。在FastSLAM中，SLAM问题被分为了机器人的位姿估计定位问题和基于机器人的定位信息构建环境地图的
【参考文献】：
期刊论文
[1]智能车辆自动跟随控制的目标跟踪算法研究[J]. 王铖,刘中姐,袁新枚,史书恒,李柏毅. 汽车技术. 2020(07)
[2]基于UWB的自主跟随机器人系统设计[J]. 杨再标,易先军,彭萌,耿翰夫,付龙. 自动化与仪表. 2020(03)
[3]基于深度相机的移动机器人自主跟随技术[J]. 任恒乐,徐方,邸霈,田大吉. 计算机工程与设计. 2020(02)
[4]基于激光雷达的移动机器人人体目标跟随[J]. 杜华臻,张文安,杨旭升. 高技术通讯. 2019(12)
[5]激光SLAM导航移动机器人定位算法研究综述[J]. 易柯敏,沈艳霞. 机器人技术与应用. 2019(05)
[6]复杂环境下的自由空间中自主跟随移动目标的多信息融合方法与应用[J]. 王正家,李明,夏正乔,何博,何涛. 传感器与微系统. 2019(04)
[7]基于深度学习的视频跟踪研究进展综述[J]. 戴凤智,魏宝昌,欧阳育星,金霞. 计算机工程与应用. 2019(10)
[8]自动跟随机器人[J]. 王伟业,王仕敬,孙超付. 科技创新导报. 2018(32)
[9]互联网超市购物车自动跟随系统的原理及算法[J]. 蒋超,朱春生,赵淼,朱永红. 电子技术与软件工程. 2018(20)
[10]全国机器人产业发展报告[J]. 领导决策信息. 2018(35)
硕士论文
[1]基于无线网络的定位技术研究[D]. 许哲琪.北京交通大学 2019
[2]移动机器人动态人体跟踪与识别[D]. 朱伟.哈尔滨工程大学 2019
[3]基于Kinect的动态人体投影映射[D]. 何冲.上海交通大学 2018
本文编号：3403866
本文链接：https://www.wllwen.com/kejilunwen/zidonghuakongzhilunwen/3403866.html
