基于地图的移动机器人定位技术研究

《基于地图的移动机器人定位技术研究》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、基于地图的移动机器人定位技术研究摘要(机器人的应用已经越来越广泛，移动机器人是机器人技术实用＼、化、普及化的生力军。移动机器人在实际应用中首先遇到的就是机器人本身的定位问题。移动机器人的定位问题就是移动机器人根据各种信息判断自身与环境的相对位置和姿态的问题。在很多实际应用中，机器人的位置信息是完成任务的前提。基于地图的移动机器人定位技术是整个移动机器人定位技术的一个重要分支，其核心思想在于把外界环境信息抽象成地图进行存储，在运行时将传感器获得的各种信息与地图内容进行匹配，用吻合程度最高的匹配方式估计机器人的当前姿态。这方面的研究成果很

2、多，而且有不少文献都宣称获得了较好的效果。但是，事实上一种定位方法的效果是和使用这种方法的机器人本身的软硬件条件和环境密切相关的。目前采用的一些方法在实时性和鲁棒性仍然不能令人满意。在对PioneerII移动机器人硬件平台和定、／，厂一位问题的本身特性进行了深入的分析之后，j本文提出设计实用有效的，堑塾妞矍厶塞!望墼需要满足以下原则：能够使用数量较少、噪声较大的传感器输入信息工作，这是由机器人的声纳传感器决定的。但是同时，为了不至于使问题过于复杂化本文也限定，环境由大量直线段构成；较小的计算量，为了做到这点首先算法本身不能有太大的搜索

3、空间，其次在实现时必须考虑效率问题；较好的扩展性，能够为其他的定位程序模块提供一个实现的框架，允许其他模块进一步提高定位精度。基于以上原则J提出了一种新的基于Hough变换特征提取和TBF／’。’。。。。’。_。’‘‘。。”●--～搜索匹配的算法，在经过大量实验之后，建立了PioneerII机器人的传感器模型和运动模型，并且运用了码盘误差传递模型在运行时验证上述算法结果的有效性，保证了算法的鲁棒性。Hough变换和TBF搜索匹配原先都有在移动机器人定位中的应}用，怛是我们对两种方法都作了改进，由于Hough变换对角度特征、∥5一较为敏

4、感，而TBF方法对环境中固定特征的识别非常有效0我们利用Hough变换来约束整个候选姿态空间，同时结合TBF方法在已经受到约束的状态空间中搜索求解，依靠置信度姿态栅格矩阵将两种方法无缝衔接在一起，同时提供了较好的可扩展性。厂由于两种方法具有、一致性(即一种方法的解必然同时也是另外一种方法的解)，所以不会由于第一个步骤的约束误删了真值，另外在两个空间上不同角度上}的先后搜索也提高了效率0r一最后仿真器和实际环境中的长距离导航实验验证了本文方法的有效性和可靠性。关键词移动机器人，实际环境，定位，地图，声纳MAPBASEDLOCALIZAT

5、l0N0FAPHYSICALMOBILEROBOTABSTRACTRobotisplayingaincreasinglyimportantroleinpeople’Slife．Mobilerobotisdoingagoodjobinthepopularizationofrobotics．Localization，theproblemofdeterminingarobot’Sposefromsensordata，isoneofthepre-requisitiontopracticaluseofmobilerobotsAmongthema

6、instreamsofmobilerobot’Slocalization，mapbasedmethodextractsinformationfromenvironmentandstoresitasamap，andlocalizestherobotthroughasearchforabestmatchbetweenthemapandtheinformationacquiredbyrobot’SsensoLBundlesofarticlesappearinthisareaandmostofthemannounceasatisfactory

7、result．While，theperformanceofalocalizationalgorithmlinkscloselywiththespecificationoftherobotitselfandtheenvironment．AfterathoroughinvestigationonthePioneerIIrobotandthelocalizationproblemitself,wethinkasatisfactoryandpracticallocalizationmethodshouldmeritinthefollowing

8、points：Capabilityofworkingwithsmallnumberandlowqualityinformation．Oursparseandnoisysonarsensordecidesthis．Whil