基于SLAM的移动机器人室内环境感知和地图构建研究

发布时间：2017-08-20 15:11

  本文关键词：基于SLAM的移动机器人室内环境感知和地图构建研究

  更多相关文章： SLAM 移动机器人 粒子滤波 并行计算 本体语义

【摘要】：时代演进,技术也随之发展,越来越多的领域对机器人提出需求,移动机器人的相关研究备受各界关注。室内移动服务机器人要达到真正的智能必须要对室内环境进行感知从而进行智能决断。而机器人对室内环境的感知是否准确与完整,恰好又决定机器人智能决断的准确性。自主移动机器人是一种最为常见的智能机器人,其中解决“我在哪”的问题最体现其自主性,是移动机器人实现自主导航等功能的前提。SLAM (Simultaneous Localization And Mapping,简称SLAM)恰好能够解决这个问题,其能够较好的在未知的环境中对室内环境进行感知以及同步的进行机器人自身位姿获取和环境地图构建。本文主要工作包括如下几个方面：1.对移动机器人室内环境感知和地图构建,从理论分析结合数学公式推导入手,详细介绍了基于粒子滤波(Particle Filter,简称PF) SLAM的思想及实现,进而通过实验室真实环境对算法进行实验,详细分析算法的优缺点,为提出优化方案提供理论支持。2.基于粒子滤波的SLAM算法的实现,使用了大量的粒子来表示定位位姿的概率分布,粒子的数量一定程度上决定算法定位准确度和抗干扰能力,但在增加粒子数量的同时,算法的计算量也将增加,进而导致定位延迟,因为SLAM算法具有时效性,最终导致定位误差。基于此问题本文提出一种使用GPU并行计算的方法,对基于RBPF-SLAM算法进行改进,减少算法执行时间,减少由算法定位延迟导致的定位误差。并且最终通过实验结果分析证明此方法的有效性。3. SLAM所构建的地图仍然是有缺失的,因为地图信息中并不包含如室内环境温度、湿度、对象属性等信息。导致机器人对环境的感知不够深入,影响机器人在以后的自主导航中的智能决断。基于此问题本文提出一种本体语义结合SLAM的方法,通过ZigBee无线传感网来获取机器人自身传感器未能获取的环境数据,使用本体描述语言(Ontology Web Language,简称OWL)将室内环境对象本体化。同时借助本体的推理机制和语义库,指导机器人进行决策,为今后机器人实现智能决断提供技术支撑。
【关键词】：SLAM 移动机器人 粒子滤波 并行计算 本体语义
【学位授予单位】：广东工业大学
【学位级别】：硕士
【学位授予年份】：2016
【分类号】：TP242
【目录】：

• 摘要4-5
• ABSTRACT5-13
• 第一章 绪论13-21
• 1.1 研究背景和意义13-15
• 1.2 研究现伏15-18
• 1.2.1 移动机器人研究现状15-16
• 1.2.2 移动机器人同步定位与地图构建研究现状16-17
• 1.2.3 并行计算研究现状17-18
• 1.2.4 本体论研究现状18
• 1.3 课题来源与论文组织结构18-19
• 1.3.1 课题来源18
• 1.3.2 论文组织结构18-19
• 1.4 论文创新点19-21
• 第二章 移动机器人室内SLAM系统关键技术21-27
• 2.1 移动机器人位姿系统模型21-23
• 2.1.1 坐标系模型21-22
• 2.1.2 运动模型22-23
• 2.1.3 噪声模型23
• 2.2 SLAM中涉及关键技术23-26
• 2.2.1 地图描述方法23-24
• 2.2.2 激光雷达原理24-25
• 2.2.3 数据关联25-26
• 2.3 本章小结26-27
• 第三章 基于粒子滤波的SLAM算法27-38
• 3.1 算法思想27-28
• 3.2 算法的实现28-33
• 3.2.1 预测29-30
• 3.2.2 更新30-33
• 3.2.3 重采样33
• 3.3 SLAM算法实验33-36
• 3.4 算法优缺点分析36-37
• 3.5 本章小结37-38
• 第四章 并行优化的SLAM算法及实现38-49
• 4.1 并行计算介绍38-39
• 4.2 并行计算实现方法39-40
• 4.2.1 并行编程模型39
• 4.2.2 GPU并行计算39-40
• 4.3 SLAM算法的并行与优化40-43
• 4.3.1 优化分析41-42
• 4.3.2 优化设计42-43
• 4.4 并行优化的实现43-44
• 4.5 并行优化结果分析44-48
• 4.6 本章小结48-49
• 第五章 机器人室内环境感知的本体语义转化49-64
• 5.1 本体论概述50-55
• 5.1.1 本体描述语言OWL51-52
• 5.1.2 本体构建一般步骤52-53
• 5.1.3 本体语义转换规则53-55
• 5.2 室内机器人环境信息的本体构建55-57
• 5.2.1 本体构建开发工具简介55-56
• 5.2.2 本体语义库的构建56-57
• 5.3 室内环境数据采集57-61
• 5.3.1 机器人地图数据信息采集57-58
• 5.3.2 室内环境信息获取58-61
• 5.4 基于规则的语义转换61-63
• 5.5 本章小结63-64
• 总结与展望64-65
• 参考文献65-69
• 攻读学位期间发表的论文69-71
• 致谢71

【参考文献】

中国期刊全文数据库 前10条

1 杜航原;赵玉新;杨永鹏;韩庆楠;;基于随机有限集的SLAM算法[J];系统工程与电子技术;2012年07期

2 卢风顺;宋君强;银福康;张理论;;CPU/GPU协同并行计算研究综述[J];计算机科学;2011年03期

3 安婷婷;肖南峰;;粒子滤波器SLAM算法研究[J];计算机仿真;2010年08期

4 夏益民;杨宜民;;一种基于自适应进化粒子滤波的移动机器人定位方法[J];微电子学与计算机;2010年02期

5 周武;赵春霞;;一种基于遗传算法的FastSLAM 2．0算法[J];机器人;2009年01期

6 刘原;宋良图;;基于ZIGBEE技术的农业信息无线数据传输[J];自动化与仪器仪表;2006年05期

7 张宏锋;李文锋;;基于ZigBee技术的无线传感器网络的研究[J];武汉理工大学学报(信息与管理工程版);2006年08期

8 陈卫东,张飞;移动机器人的同步自定位与地图创建研究进展[J];控制理论与应用;2005年03期

9 胡士强,敬忠良;粒子滤波算法综述[J];控制与决策;2005年04期

10 王庆先;孙世新;尚明生;刘宴兵;;并行计算模型研究[J];计算机科学;2004年09期

中国博士学位论文全文数据库 前4条

1 张琦;移动机器人的路径规划与定位技术研究[D];哈尔滨工业大学;2014年

2 张书景;大尺度环境中自主式水下机器人同时定位与地图构建算法研究[D];中国海洋大学;2014年

3 曲丽萍;移动机器人同步定位与地图构建关键技术的研究[D];哈尔滨工程大学;2013年

4 季秀才;机器人同步定位与建图中数据关联问题研究[D];国防科学技术大学;2008年

中国硕士学位论文全文数据库 前8条

1 肖景;基于本体语义的模型转换关键技术研究[D];杭州电子科技大学;2011年

2 张弦;基于改进粒子滤波算法的移动机器人定位[D];北京邮电大学;2010年

3 曾文静;基于水下机器人EKF-SLAM的数据关联算法研究[D];哈尔滨工程大学;2009年

4 刘宇莉;基于全方位视觉的图像跟踪算法研究[D];天津理工大学;2009年

5 朱凤宇;基于ZigBee的机器人定位导航研究[D];哈尔滨工业大学;2008年

6 龚资;基于OWL描述的本体推理研究[D];吉林大学;2007年

7 王丽;移动机器人路径规划方法研究[D];西北工业大学;2007年

8 贺伟;未知环境中移动机器人的自定位算法研究[D];中南大学;2005年

，

本文编号：707328