基于地图构建的多机器人实时定位算法研究

论文摘要

地图构建及自主定位在移动机器人研究中有着非常重要的意义,是实现自主导航、在未知环境中完成复杂智能任务的关键,也集中体现了机器人的感知能力和智能水平。自主移动机器人的自定位问题是移动机器人研究中的重要课题,它包含许多传感器技术和定位算法。全局定位算法的优点是可以使机器人在全局不确定的情况下估算它的位置。论文对未知环境中自主移动机器人的自定位算法进行了研究和分析,重点是环境地图的构建及基于动态分区的多机器人联合地图的构建方法和机器人自定位方法的研究。主要内容包括栅格法、数据关联及多机器人联合地图的构建设计。另外,论文分别对马尔可夫定位方法和蒙特卡罗法的进行了研究分析,提出全新的解决思路——舍伍德定位法,并分析了舍伍德定位法的理论基础和计算复杂性,提高了定位精度和鲁棒性。论文研究了在同一中央主机下多机器人合作构建地图的理论,提出了基于动态分区的多机器人在SLAM算法——Sherwood定位算法,Sherwood算法能够计算机器人在联合地图中的相对位置,每个机器人能够获取当前信息来计算在联合的位置。通过理论分析和实验证明,基于动态分区的构建地图方法能够提高未知地图的探索效率,Sherwood定位算法能够提高机器人的自主定位效率。

论文目录

• 摘要
• Abstract
• 第1章 绪论
• 1.1 论文研究的背景及意义
• 1.2 移动机器人概述及其发展现状
• 1.2.1 移动机器人概述
• 1.2.2 国内外研究现状
• 1.2.3 多机器人系统研究概述
• 1.3 移动机器人定位方法的研究现状
• 1.3.1 关于移动机器人的自定位研究
• 1.3.2 国内外相关研究现状
• 1.4 课题来源与论文的主要工作
• 1.4.1 课题来源
• 1.4.2 论文的主要研究工作
• 1.4.3 论文各章节内容的安排
• 第2章 移动机器人自定位与SLAM 问题
• 2.1 自定位所涉及的问题
• 2.1.1 环境的描述——地图
• 2.1.2 信息的获取——传感器
• 2.1.3 不确定信息的描述和处理方法
• 2.1.4 机器人自定位
• 2.2 SLAM 概述及典型方法
• 2.2.1 SLAM 概述
• 2.2.2 SLAM 中定位与环境特征提取
• 2.2.3 SLAM 典型方法
• 2.2.4 SLAM 问题的发展
• 2.3 本章小结
• 第3章 地图构建
• 3.1 概率栅格法及相关原理
• 3.2 基于概率栅格法的地图构建
• 3.3 数据关联
• 3.4 多机器人协作地图的构建
• 3.4.1 多机器人协作构建地图研究现状
• 3.4.2 协作构建地图的主要难点
• 3.4.3 基于动态分区的多机器人协作构建地图
• 3.5 本章小结
• 第4章 移动机器人的自主定位的研究
• 4.1 自主定位的概述
• 4.1.1 早期的定位系统
• 4.1.2 基于信号灯的定位
• 4.1.3 基于环境地图的定位
• 4.1.4 现代定位技术
• 4.2 马尔可夫定位
• 4.2.1 马尔可夫定位的原理
• 4.2.2 马尔可夫定位算法
• 4.3 蒙特卡罗定位方法
• 4.4 舍伍德定位方法
• 4.4.1 舍伍德定位独立性假设
• 4.4.2 舍伍德定位的理论基础
• 4.4.3 舍伍德定位算法设计
• 4.4.4 舍伍德算法时间复杂度分析
• 4.5 仿真实验及比较分析
• 4.6 本章小结
• 结论
• 参考文献
• 攻读硕士学位期间发表的学术论文
• 致谢