基于ROS的异构多机器人协作定位方法研究
发布时间：2022-04-23 18:31
随着计算机技术和人工智能的发展,移动机器人已经广泛应用在太空探索、工业、军事、服务和医疗等各个领域。由于个体机器人能力的局限性,多机器人协作技术应运而生,其中协作定位又是多移动机器人技术的关键问题之一,如何提高定位的精度、效率和稳定性是其中的主要问题。异构多机器人协作定位是指某些具有较强定位能力的机器人依靠自身携带的传感器与无线通信设备,通过分布式感知、信息共享、相对观测等方式实现整个机器人群体的定位。本文针对异构多机器人协作定位问题开展了较为系统的研究,主要工作包括以下几个方面:1、针对现有移动机器人平台可扩展性差、代码复用性低等缺点,搭建了基于机器人操作系统ROS的移动机器人平台,为本文算法的实现提供了软硬件基础。2、针对单传感器定位不精准且稳定性不好的问题,提出了一种基于CI融合方法的异构多机器人多传感器协作定位方法,解决了单传感器定位系统鲁棒性差的问题。3、针对异构多机器人协作定位系统中由于过程噪声未知,CI融合精度不够导致定位不准确的问题,提出了一种基于分布式融合的异构多机器人协作定位方法。该方法有效降低了过程噪声统计特性未知对定位系统的影响,相比于CI融合具有更高的定位精度...
【文章页数】：78 页
【学位级别】：硕士
【文章目录】：
摘要
Abstract
第1章 绪论
1.1 研究背景与意义
1.2 国内外研究现状
1.2.1 轮式移动机器人
1.2.2 移动机器人定位
1.2.3 多移动机器人定位
1.3 本文主要工作
第2章 移动机器人软硬件平台
2.1 引言
2.2 机器人操作系统
2.2.1 ROS主要特点
2.2.2 ROS的基本概念
2.3 机器人软硬件系统
2.3.1 机器人硬件系统
2.3.2 机器人软件系统
2.4 传感器系统
2.4.1 RGB-D相机测距原理
2.4.2 激光测距原理
2.5 本章小结
第3章 基于CI融合的异构多机器人协作定位
3.1 引言
3.2 问题描述
3.2.1 系统描述
3.2.2 机器人运动学模型
3.2.3 协作定位框架
3.3 异构机器人局部定位估计器
3.3.1 线性卡尔曼滤波器
3.3.2 扩展卡尔曼滤波器(Extend Kalman Filter)
3.3.3 无迹卡尔曼滤波(Unsecented Kalman Filter)
3.3.4 RGB-D局部估计器设计
3.3.5 基于激光传感器的局部估计器
3.4 异构机器人融合定位
3.4.1 CI融合原理
3.4.2 异构机器人融合定位算法
3.5 仿真
3.6 本章小结
第4章 基于分布式融合估计异构多机器人协作定位
4.1 引言
4.2 问题描述
4.3 基于自适应无迹卡尔曼的局部估计器
4.3.1 带噪声方差估计器的自适应无迹卡尔曼滤波原理
4.3.2 基于RGB-D相机和自适应UKF的局部估计器设计
4.3.3 基于激光传感器和自适应UKF的局部估计器设计
4.4 分布式融合估计器
4.4.1 分布式融合算法原理
4.4.2 异构多机器人分布式融合算法设计
4.5 仿真
4.6 本章小结
第5章 异构多机器人协作定位实验
5.1 引言
5.2 异构多机器人协作定位软件设计
5.2.1 需求分析
5.2.2 系统软件总体框架
5.3 系统软件实现
5.3.1 数据采集模块软件实现
5.3.2 人机交互软件实现
5.4 异构多机器人协作定位实验
5.4.1 基于CI融合异构多机器人协作定位实验
5.4.2 基于分布式融合算法异构多机器人协作定位实验
5.5 本章小结
第6章 结论与展望
6.1 研究工作总结
6.2 展望
参考文献
附录1
附录2
致谢
攻读学位期间参加的科研项目和成果
【参考文献】：
期刊论文
[1]带不确定协方差线性相关白噪声系统改进的鲁棒协方差交叉融合稳态Kalman估值器[J]. 王雪梅,刘文强,邓自立. 控制与决策. 2016(10)
[2]双轮差速驱动式室内移动机器人的改进航迹推算方法[J]. 向秀娟,袁亮,姜道伟. 机床与液压. 2016(11)
[3]基于联邦滤波的室内移动机器人定位[J]. 许坤,邹杰,陈谋. 电光与控制. 2016(09)
[4]噪声特性未知的多传感器协方差交叉融合姿态估计[J]. 王硕,宋申民,史小平,于浛. 控制与决策. 2016(02)
[5]基于极大似然准则和最大期望算法的自适应UKF算法[J]. 王璐,李光春,乔相伟,王兆龙,马涛. 自动化学报. 2012(07)
[6]自适应UKF算法在目标跟踪中的应用[J]. 石勇,韩崇昭. 自动化学报. 2011(06)
[7]差动驱动机器人的一种航迹推算定位方法[J]. 张利,潘承毅,刘征宇,徐娟,黄业伟. 合肥工业大学学报(自然科学版). 2010(11)
[8]高斯模糊噪声图像的图像复原算法的改进[J]. 厉丹,钱建生,芦楠楠,田隽. 计算机应用与软件. 2010(10)
[9]高斯模糊算法优化及实现[J]. 丁怡心,廖勇毅. 现代计算机(专业版). 2010(08)
[10]一种多机器人编队协同定位的方法[J]. 蒋荣欣,田翔,谢立,陈耀武. 哈尔滨工业大学学报. 2010(01)
硕士论文
[1]基于ROS的移动机器人自主定位与导航方法研究[D]. 王强.浙江工业大学 2017
[2]基于Qt的嵌入式GUI的研究与实现[D]. 黄超.吉林大学 2011
本文编号：3647749
【文章页数】：78 页
【学位级别】：硕士
【文章目录】：
摘要
Abstract
第1章 绪论
1.1 研究背景与意义
1.2 国内外研究现状
1.2.1 轮式移动机器人
1.2.2 移动机器人定位
1.2.3 多移动机器人定位
1.3 本文主要工作
第2章 移动机器人软硬件平台
2.1 引言
2.2 机器人操作系统
2.2.1 ROS主要特点
2.2.2 ROS的基本概念
2.3 机器人软硬件系统
2.3.1 机器人硬件系统
2.3.2 机器人软件系统
2.4 传感器系统
2.4.1 RGB-D相机测距原理
2.4.2 激光测距原理
2.5 本章小结
第3章 基于CI融合的异构多机器人协作定位
3.1 引言
3.2 问题描述
3.2.1 系统描述
3.2.2 机器人运动学模型
3.2.3 协作定位框架
3.3 异构机器人局部定位估计器
3.3.1 线性卡尔曼滤波器
3.3.2 扩展卡尔曼滤波器(Extend Kalman Filter)
3.3.3 无迹卡尔曼滤波(Unsecented Kalman Filter)
3.3.4 RGB-D局部估计器设计
3.3.5 基于激光传感器的局部估计器
3.4 异构机器人融合定位
3.4.1 CI融合原理
3.4.2 异构机器人融合定位算法
3.5 仿真
3.6 本章小结
第4章 基于分布式融合估计异构多机器人协作定位
4.1 引言
4.2 问题描述
4.3 基于自适应无迹卡尔曼的局部估计器
4.3.1 带噪声方差估计器的自适应无迹卡尔曼滤波原理
4.3.2 基于RGB-D相机和自适应UKF的局部估计器设计
4.3.3 基于激光传感器和自适应UKF的局部估计器设计
4.4 分布式融合估计器
4.4.1 分布式融合算法原理
4.4.2 异构多机器人分布式融合算法设计
4.5 仿真
4.6 本章小结
第5章 异构多机器人协作定位实验
5.1 引言
5.2 异构多机器人协作定位软件设计
5.2.1 需求分析
5.2.2 系统软件总体框架
5.3 系统软件实现
5.3.1 数据采集模块软件实现
5.3.2 人机交互软件实现
5.4 异构多机器人协作定位实验
5.4.1 基于CI融合异构多机器人协作定位实验
5.4.2 基于分布式融合算法异构多机器人协作定位实验
5.5 本章小结
第6章 结论与展望
6.1 研究工作总结
6.2 展望
参考文献
附录1
附录2
致谢
攻读学位期间参加的科研项目和成果
【参考文献】：
期刊论文
[1]带不确定协方差线性相关白噪声系统改进的鲁棒协方差交叉融合稳态Kalman估值器[J]. 王雪梅,刘文强,邓自立. 控制与决策. 2016(10)
[2]双轮差速驱动式室内移动机器人的改进航迹推算方法[J]. 向秀娟,袁亮,姜道伟. 机床与液压. 2016(11)
[3]基于联邦滤波的室内移动机器人定位[J]. 许坤,邹杰,陈谋. 电光与控制. 2016(09)
[4]噪声特性未知的多传感器协方差交叉融合姿态估计[J]. 王硕,宋申民,史小平,于浛. 控制与决策. 2016(02)
[5]基于极大似然准则和最大期望算法的自适应UKF算法[J]. 王璐,李光春,乔相伟,王兆龙,马涛. 自动化学报. 2012(07)
[6]自适应UKF算法在目标跟踪中的应用[J]. 石勇,韩崇昭. 自动化学报. 2011(06)
[7]差动驱动机器人的一种航迹推算定位方法[J]. 张利,潘承毅,刘征宇,徐娟,黄业伟. 合肥工业大学学报(自然科学版). 2010(11)
[8]高斯模糊噪声图像的图像复原算法的改进[J]. 厉丹,钱建生,芦楠楠,田隽. 计算机应用与软件. 2010(10)
[9]高斯模糊算法优化及实现[J]. 丁怡心,廖勇毅. 现代计算机(专业版). 2010(08)
[10]一种多机器人编队协同定位的方法[J]. 蒋荣欣,田翔,谢立,陈耀武. 哈尔滨工业大学学报. 2010(01)
硕士论文
[1]基于ROS的移动机器人自主定位与导航方法研究[D]. 王强.浙江工业大学 2017
[2]基于Qt的嵌入式GUI的研究与实现[D]. 黄超.吉林大学 2011
本文编号：3647749
本文链接：https://www.wllwen.com/kejilunwen/zidonghuakongzhilunwen/3647749.html
