基于多传感融合的室内SLAM算法研究与实现
发布时间：2022-02-20 13:37
近年来,具备导航规划能力的自主移动机器人在各种领域开始广泛应用。而地图构建和定位（Simultaneous Localization And Mapping,SLAM）是自主移动机器人的关键技术之一,它是机器人自主导航,成功执行特定任务的重要保障。在动态,复杂的室内应用场景中,比如办公室,商场等,自主机器人必须准确地定位自己所处的位置,并避开障碍物,完成设定的任务。本文针对清洁机器人、服务机器人、AGV机器人等室内应用场景,提出了一种多传感融合的SLAM算法,主要利用低成本的激光雷达、IMU、编码器信息进行融合,准确地估计轮式机器人的运动位姿,并在此估计的位姿上,通过将激光雷达的扫描点云匹配得到环境的概率栅格地图。与此同时,后端闭环检测加入闭环约束条件,并利用图优化的方法消除前端构建地图时的累积误差,从而使得轮式机器人能够构建精度很好的环境地图,并在此建图基础上,解决机器人的全局定位问题。本文提出的多传感融合算法,具有实时、低功耗、鲁棒性好的优点,并且在资源有限的嵌入式平台上运行也得到很好的结果。本文的主要工作如下:（1）对双轮差分驱动的机器人建立运动模型和建立测量模型,并结合IMU和...
【文章来源】：成都信息工程大学四川省
【文章页数】：60 页
【学位级别】：硕士
【文章目录】：
摘要
abstract
第一章 绪论
1.1 课题研究背景与意义
1.1.1 多传感器融合SLAM算法的研究背景
1.1.2 课题的研究目的与意义
1.2 室内自主机器人建图定位算法的研究现状
1.2.1 视觉SLAM技术的研究现状
1.2.2 激光SLAM技术的研究现状
1.3 课题研究内容与章节安排
1.3.1 论文主要研究内容
1.3.2 论文章节安排
第二章 轮式机器人运动和感知系统的建立
2.1 轮式机器人刚体转换
2.1.1 坐标系规范
2.1.2 坐标系转换
2.1.3 坐标系运算
2.2 轮式机器人运动模型的建立
2.2.1 轮式机器人运动积分的不确定性
2.2.2 轮式机器人匀速运动模型及加速运动模型
2.2.3 双轮差分驱动模型
2.2.4 轮式机器人里程计模型
2.2.5 IMU驱动模型
2.3 轮式机器人观测模型的建立
2.3.1 机器人环境感知建模
2.3.2 2D激光雷达测量模型及数据处理
第三章 轮式机器人SLAM算法图模型的建立
3.1 轮式机器人SLAM问题描述和图模型的建立
3.1.1 利用动态贝叶斯网络描述轮式机器人SLAM问题
3.1.2 利用因子图将SLAM问题转换为最小二乘问题
3.2 非线性优化算法求解SLAM问题
3.2.1 利用高斯-牛顿方法求解轮式机器人SLAM问题
3.2.2 使用LM方法提高算法收敛性
第四章 多传感融合SLAM算法的设计
4.1 多传感融合建图定位算法
4.1.1 利用扩展卡尔曼滤波器提供初始位姿
4.2 前端扫描匹配构建地图
4.2.1 扫描匹配算法
4.2.2 利用相关性扫描匹配方法构建子图
4.3 后端优化消除累计误差
4.3.1 多分辨率闭环检测与添加约束条件
4.3.2 后端优化求解并调整地图位姿
4.4 轮式机器人SLAM中的全局定位
第五章 轮式机器人平台搭建和实验研究
5.1 引言
5.2 实验平台搭建
5.2.1 硬件平台搭建
5.2.2 上位机平台搭建
5.3 轮式机器人实际测试
5.3.1 室内闭环建图实验
5.3.2 室内全局定位实验
5.4 数据分析和性能分析
第六章 结论与展望
6.1 结论
6.2 展望
参考文献
作者在读期间科研成果简介
致谢
【参考文献】：
期刊论文
[1]基于单目视觉的同时定位与地图构建方法综述[J]. 刘浩敏,章国锋,鲍虎军. 计算机辅助设计与图形学学报. 2016(06)
博士论文
[1]移动机器人基于多传感器数据融合的定位及地图创建研究[D]. 庄严.大连理工大学 2004
硕士论文
[1]GPS/Visual/INS多传感器融合导航算法的研究[D]. 王加芳.浙江大学 2017
本文编号：3635156
【文章来源】：成都信息工程大学四川省
【文章页数】：60 页
【学位级别】：硕士
【文章目录】：
摘要
abstract
第一章 绪论
1.1 课题研究背景与意义
1.1.1 多传感器融合SLAM算法的研究背景
1.1.2 课题的研究目的与意义
1.2 室内自主机器人建图定位算法的研究现状
1.2.1 视觉SLAM技术的研究现状
1.2.2 激光SLAM技术的研究现状
1.3 课题研究内容与章节安排
1.3.1 论文主要研究内容
1.3.2 论文章节安排
第二章 轮式机器人运动和感知系统的建立
2.1 轮式机器人刚体转换
2.1.1 坐标系规范
2.1.2 坐标系转换
2.1.3 坐标系运算
2.2 轮式机器人运动模型的建立
2.2.1 轮式机器人运动积分的不确定性
2.2.2 轮式机器人匀速运动模型及加速运动模型
2.2.3 双轮差分驱动模型
2.2.4 轮式机器人里程计模型
2.2.5 IMU驱动模型
2.3 轮式机器人观测模型的建立
2.3.1 机器人环境感知建模
2.3.2 2D激光雷达测量模型及数据处理
第三章 轮式机器人SLAM算法图模型的建立
3.1 轮式机器人SLAM问题描述和图模型的建立
3.1.1 利用动态贝叶斯网络描述轮式机器人SLAM问题
3.1.2 利用因子图将SLAM问题转换为最小二乘问题
3.2 非线性优化算法求解SLAM问题
3.2.1 利用高斯-牛顿方法求解轮式机器人SLAM问题
3.2.2 使用LM方法提高算法收敛性
第四章 多传感融合SLAM算法的设计
4.1 多传感融合建图定位算法
4.1.1 利用扩展卡尔曼滤波器提供初始位姿
4.2 前端扫描匹配构建地图
4.2.1 扫描匹配算法
4.2.2 利用相关性扫描匹配方法构建子图
4.3 后端优化消除累计误差
4.3.1 多分辨率闭环检测与添加约束条件
4.3.2 后端优化求解并调整地图位姿
4.4 轮式机器人SLAM中的全局定位
第五章 轮式机器人平台搭建和实验研究
5.1 引言
5.2 实验平台搭建
5.2.1 硬件平台搭建
5.2.2 上位机平台搭建
5.3 轮式机器人实际测试
5.3.1 室内闭环建图实验
5.3.2 室内全局定位实验
5.4 数据分析和性能分析
第六章 结论与展望
6.1 结论
6.2 展望
参考文献
作者在读期间科研成果简介
致谢
【参考文献】：
期刊论文
[1]基于单目视觉的同时定位与地图构建方法综述[J]. 刘浩敏,章国锋,鲍虎军. 计算机辅助设计与图形学学报. 2016(06)
博士论文
[1]移动机器人基于多传感器数据融合的定位及地图创建研究[D]. 庄严.大连理工大学 2004
硕士论文
[1]GPS/Visual/INS多传感器融合导航算法的研究[D]. 王加芳.浙江大学 2017
本文编号：3635156
本文链接：https://www.wllwen.com/kejilunwen/zidonghuakongzhilunwen/3635156.html
