基于多源感知信息融合的移动机器人同步定位与建图

发布时间：2023-04-26 23:38

　　移动机器人同步定位与建图(SLAM)是机器人领域重要的研究方向,也是移动机器人实现自主导航的关键技术之一。随着人工智能和机器人硬件技术的不断提升,SLAM技术逐渐向多元化发展,主要包括基于二维激光的SLAM和视觉SLAM等。在相对复杂的环境中,移动机器人可以利用自身搭载的多种传感器进行同步定位与建图,如二维激光测距仪、深度相机和IMU等。本文结合二维激光SLAM和视觉SLAM的特点以及所用各种传感器的优缺点,研究并实现基于多源感知信息融合的移动机器人SLAM,完成的主要研究内容如下:(1)对基于Rao-Blackwellized粒子滤波(RBPF)的二维激光SLAM进行研究。针对传统RBPF-SLAM算法的局限性,即里程计误差较大和重采样次数较多,提出基于扩展卡尔曼滤波算法的里程计惯导信息融合算法,然后结合里程计惯导融合信息和观测信息提出了基于多传感器信息的混合提议分布,并进行选择性重采样,实现对RBPF-SLAM算法的改进。最后,通过仿真验证基于里程计惯导信息融合的RBPF-SLAM算法建图的准确性,通过实验证明了基于里程计惯导信息融合的RBPF-SLAM算法定位的准确性。并在实际场...

【文章页数】：83 页

【学位级别】：硕士

【文章目录】：
摘要
Abstract
1 绪论
    1.1 课题背景和意义
    1.2 课题研究历史和现状
        1.2.1 同步定位与建图研究历史和现状
        1.2.2 基于多源感知信息融合的SLAM研究现状
    1.3 多源感知信息融合方法概述
    1.4 本文章节安排
2 基于多传感器的移动机器人SLAM系统
    2.1 移动机器人实验平台
        2.1.1 传感器介绍
        2.1.2 基于ROS的软件框架
        2.1.3 基于Gazebo的仿真环境
    2.2 移动机器人建模
        2.2.1 移动机器人里程计模型
        2.2.2 移动机器人运动模型
        2.2.3 移动机器人激光观测模型
    2.3 移动机器人地图形式
    2.4 本章小结
3 基于里程计惯导信息融合的激光SLAM
    3.1 基于Rao-Blackwellized粒子滤波的激光SLAM
        3.1.1 贝叶斯滤波算法
        3.1.2 粒子滤波算法
        3.1.3 Rao-Blackwellized粒子滤波算法
        3.1.4 RBPF-SLAM的局限性
    3.2 基于扩展卡尔曼滤波的里程计惯导信息融合
        3.2.1 扩展卡尔曼滤波算法
        3.2.2 里程计惯导融合算法
    3.3 基于里程计惯导信息融合的RBPF-SLAM算法
        3.3.1 基于多传感器信息的混合提议分布
        3.3.2 选择性重采样
        3.3.3 基于里程计惯导信息融合的RBPF-SLAM算法流程
    3.4 ROS中基于里程计惯导信息融合的激光SLAM实现
    3.5 仿真与实验结果分析
        3.5.1 仿真结果与分析
        3.5.2 实验结果与分析
    3.6 本章小结
4 基于激光视觉信息融合的障碍物检测与地图构建
    4.1 激光测距仪与深度相机标定
    4.2 激光视觉信息融合方法
        4.2.1 利用深度图像提取伪激光数据
        4.2.2 激光数据过滤
        4.2.3 激光数据融合
        4.2.4 激光视觉信息融合算法
    4.3 ROS中基于激光视觉信息融合的激光SLAM实现
    4.4 仿真结果与分析
    4.5 本章小结
5 基于Fusion-PnP算法的视觉SLAM
    5.1 视觉SLAM关键技术
        5.1.1 视觉SLAM框架
        5.1.2 ORB特征提取
        5.1.3 后端图优化
        5.1.4 基于词袋模型的回环检测
    5.2 ORB_SLAM2算法
    5.3 基于二维位姿的Fusion-PnP算法
        5.3.1 PnP算法
        5.3.2 Fusion-PnP算法
    5.4 ROS中基于Fusion-PnP算法的视觉SLAM实现
    5.5 实验结果与分析
    5.6 本章小结
6 全文总结与展望
    6.1 总结
    6.2 展望
参考文献
致谢
作者简历及攻读硕士学位期间的科研成果



本文编号：3802415