论文题目: 以视觉传感为主的移动机器人定位导航和环境建模
论文类型: 博士论文
论文专业: 控制理论与控制工程
作者: 尚文
导师: 戴先中,马旭东
关键词: 移动机器人,定位,导航,环境建模
文献来源: 东南大学
发表年度: 2005
论文摘要: 网络机器人系统强大功能的实现离不开机器人本体的智能行为能力。本文以室内环境下网络化移动机器人开发应用为背景,对移动机器人在基于特征的室内环境中实现高性能的自主定位导航和环境建模等问题进行了深入研究。环境特征的描述与识别是基于特征的室内办公室环境中机器人定位导航和环境建模的基础。环境特征主要从声纳和视觉等传感信息中提取,针对声纳信息单个声纳数据抗干扰性差的缺点,提出了改善传感性能的声纳直线特征提取方法;考虑到室内环境中多面体占主导的情况,提出融合颜色模型和感知组织的贝叶斯网络识别和描述三维多面体特征的方法,并给出了典型特征的识别结果;文中还对较为简单的二维平面特征(轨线)提取直线特征,并实现了简单而实用的轨线跟踪导航系统实例。对于已知环境模型下的机器人全局定位,要求保证鲁棒的定位性能和精确的位姿跟踪能力,这是实现室内环境中自主导航的关键。针对Markov方法和Kalman滤波器两种概率定位方法存在的不足,提出并实现了Markov-EKF概率定位方法,兼具了全局定位鲁棒性和位姿跟踪精确性。通过路径跟踪实验以及与Markov方法的定位误差比较,验证了定位方法的性能。为了增强在不确定性条件下定位导航的抗干扰性能,同时解决机器人被绑架问题,以Monte Carlo方法为基础并进行改进,提出了基于视觉特征的扩展Monte Carlo方法。实验验证了对于未建模事件(如初始定位、绑架诱拐等)的处理能力。另一方面,未知模型环境下在线建模—SLAM(同时定位与环境建模)是移动机器人实现自主能力的又一重要问题,其关键在于计算复杂性和适用的环境。文中针对这一问题提出了集成几何方法和拓扑方法的分级混合建模方法,用来构造大规模的环境,生成全局拓扑结构和局部基于特征模型的混合等级式模型,减小了模型构造的计算复杂性,提高了整个环境模型的准确度。小规模仿真环形环境、小规模实际环境和大规模环境中的建模结果验证了分级混合建模方法的有效性。通过网络环境下基于视觉的轨线跟踪、全局定位和拓扑建模应用,将以上智能行为应用到网络机器人系统中,验证了智能行为与网络机器人系统集成应用的可行性和有效性。
论文目录:
摘要
Abstract
第一章 绪论
1.1 移动机器人及其网络化应用
1.2 定位导航研究现状
1.2.1 环境模型
1.2.2 定位方法
1.3 环境建模研究现状
1.3.1 几何建模
1.3.2 拓扑建模
1.4 课题研究背景
1.5 论文的研究思路与研究内容
1.6 论文的结构安排
第二章 基于特征的环境模型及特征识别算法
2.1 引言
2.2 内部位置传感信息
2.3 声纳特征提取
2.4 视觉特征提取预备知识
2.4.1 视觉特征
2.4.2 基于知识推理的贝叶斯网络
2.5 基于贝叶斯网络的视觉特征识别算法
2.5.1 感知组织算法
2.5.2 颜色特征识别
2.5.3 方形隔间识别网络
2.5.4 冰箱识别网络
2.5.5 门特征识别网络
2.6 视觉特征识别结果
2.7 视觉特征识别算法性能分析
2.7.1 识别的可靠性
2.7.2 计算复杂性
2.7.3 可扩展性
2.8 基于特征的环境模型应用实例
2.9 本章小结
第三章 基于二维平面视觉特征的跟踪导航研究
3.1 引言
3.2 平面视觉特征(轨线)参数提取
3.2.1 特征(轨线)识别
3.2.2 特征(轨线)参数转换
3.3 跟踪控制策略
3.3.1 方向小偏差稳态控制
3.3.2 方向大偏差动态过程
3.3.3 控制模式切换
3.4 轨线跟踪实验及分析
3.4.1 参数选择
3.4.2 跟踪实验结果
3.5 本章小结
第四章 改进的融合多传感器信息的组合自定位方法
4.1 引言
4.1.1 卡尔曼滤波器
4.1.2 Markov 方法
4.1.3 Monte Carlo 方法
4.2 融合多传感器信息的组合定位方法提出
4.3 Markov-EKF 组合定位算法实现
4.3.1 定位过程
4.3.2 位姿空间离散
4.3.3 初始化过程
4.3.4 Markov-EKF 位姿更新过程
4.4 实施中的有关问题
4.5 组合方法应用及分析
4.5.1 全局定位
4.5.2 位置跟踪
4.6 本章小结
第五章 改进的基于视觉特征的扩展Monte Carlo定位方法
5.1 引言
5.2 Monte Carlo 定位原理
5.2.1 基本原理
5.2.2 存在问题
5.3 改进的扩展Monte Carlo 定位算法
5.3.1 常规Monte Carlo 定位算法
5.3.2 扩展Monte Carlo 定位算法
5.4 基于视觉特征的扩展Monte Carlo 定位算法实现
5.4.1 预测采样更新
5.4.2 视觉特征感知更新
5.4.3 重采样过程
5.4.4 位姿估计
5.5 定位实验结果
5.5.1 绑架前后的全局定位过程
5.5.2 定位误差比较
5.5.3 时间性能分析
5.6 本章小结
第六章 基于分级式混合环境模型的SLAM解决方法
6.1 引言
6.2 基于特征的环境模型构造
6.2.1 全局拓扑特征
6.2.2 局部几何特征
6.2.3 实施考虑因素
6.3 拓扑全局建模方法
6.3.1 部分可观察的马尔可夫模型
6.3.2 拓扑模型的建模过程
6.4 基于视觉特征的贝叶斯局部建模方法
6.4.1 基于视觉特征的FastSLAM 方法
6.4.2 两级数据相关方法
6.4.3 particle 滤波器的性能改善
6.5 环境建模实验及分析
6.5.1 实验一：小规模全局环境建模
6.5.2 实验二：小规模环形环境建模
6.5.3 实验三：大规模环境拓扑建模及定位导航
6.6 本章小结
第七章 定位导航和环境建模技术在网络机器人系统中的应用
7.1 引言
7.2 网络机器人基本控制结构
7.3 智能行为与网络机器人系统的集成
7.3.1 机器人服务端智能行为集成方法
7.3.2 智能行为中感知信息与行为的交互方式
7.3.3 客户端全局环境模型加载与显示
7.3.4 机器人服务端与客户端信息的通讯
7.4 网络机器人智能行为集成应用
7.4.1 网络环境下轨线跟踪应用实验
7.4.2 网络环境下全局定位应用实验
7.4.3 网络环境下拓扑建模应用实验
7.5 本章小结
第八章 总结与展望
8.1 论文研究工作总结
8.2 未来的工作展望
致谢
参考文献
攻读博士学位期间完成的学术论文
发布时间: 2007-06-11
参考文献
- [1].基于不确定性分析的移动机器人室内定位与导航控制方法研究[D]. 张启彬.中国科学技术大学2018
- [2].可重构多模式地面移动机器人的构型设计与性能研究[D]. 李晔卓.北京交通大学2018
- [3].社会环境的轮式移动机器人定位导航方法研究[D]. 陈伟华.华南理工大学2018
- [4].特种地面移动机器人机械系统设计与分析[D]. 欧屹.南京理工大学2013
- [5].多移动机器人协作方法研究[D]. 姜健.哈尔滨工业大学2008
- [6].一种球形移动机器人的运动分析与控制技术的研究[D]. 刘大亮.北京邮电大学2009
- [7].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
- [8].虚拟现实技术在移动机器人遥操作系统中的应用研究[D]. 葛为民.天津大学2004
- [9].基于互联网的移动机器人网络控制系统研究[D]. 孙启湲.天津大学2004
- [10].多移动机器人运动控制策略的强化学习研究[D]. 庄晓东.中国海洋大学2005