【精品】未知环境下基于SLAM的移动机器人导航算法研究

《【精品】未知环境下基于SLAM的移动机器人导航算法研究》由会员上传分享，免费在线阅读，更多相关内容在工程资料-天天文库。

1、（申请工学硕士学位论文）未知环境下基于SLAM的移动机器人导航算法研究培养单位：物流工程学院学科专业：机械制造及自动化研究生：韩锐指导教师：李文锋教授2006年5月分类号密级UDC学校代码10497我廉疙三乂專学位论文屮文题目：未知环境下基于SLAM的移动机器人导航算法研究英文题目：AResearchtotheSLAM-basedNavigationAlgorithmforMobileRobotsinUnknownEnvironments研究生姓名：韩锐指导教师：姓名李文锋职称教授学位博士单位名称物流工程学院邮编430063申请

2、学位级别硕士学科专业名称机械制造及自动化论文提交日期2006.4论文答辩日期2006.5学位授了单位武汉理工大学学位授予日期答辩委员会主席评阅人2006年5月智能移动机器人是一种在复杂的环境下工作的具冇自规划、自组织、自适应能力的机器人。导航算法的研究是智能机器人研究领域的一个热点话题。智能导航的口的就是在没有人干预下使机器人有口的地移动并完成特定任务，进行特定操作。本文旨在结合国家自然科学基金和湖北省青年杰出人才基金项目的需求，研究移动机器人同时定位与制图(SimultaneousLocalizationandMapping,

3、SLAM)问题，并在此基础上，研究机器人导航算法，使得机器人在完全未知结构化环境屮实现“完全自主”。文章首先回顾了导航技术的发展，对导航技术屮的核心问题：定位与制图进行了详细分析，指岀了机器人定位与制图研究中存在的问题，包括制图复杂度、数据匹配难度以及定位制图关联度等；在此基础上引出了本研究的重点：移动机器人同时定位与制图(SLAM)算法，并对其算法构架、屈性、以及分类等相关内容进行了介绍。针对基于点特征的同时定位与制图算法屮存在的计算复杂度与信息丰富度Z间的矛盾，本文捉出了一种基于线特征的同时定位与制图算法。文章对基于线特征的

4、SLAM算法进行了详细的阐述，给出了包括机器人运动模型、观测模型的建立、数据匹配、状态更新、地图建立、地图管理等方而的相关公式；并通过仿真实验证实了本算法的正确性与可靠性。针对导航算法中对路径规划的耍求，本研究中着重考虑了机器人的局部规划即：避障；并对避障算法VFH/VFH+进行了剖析。根据VFH/VFH+算法与SLAM算法的特点，将二者相结合，形成了一种新的机器人导航算法。该导航算法较基TVFH/VFH+的导航算法而言，使用范围更广，导航效果更佳。关键词：导航，同时定位与制图，VFH/VFH+AbstractIntellige

5、ntrobotsareakindofrobotsthatareabletoworkincomplexenvironmentswiththecapacitiesofself-organizingandself-planning.Navigationproblemisahotissueconcernedinresearchingonsuchkindofrobots.Itsaimistomovepurposelyanddothejobwithoutaids.WithsupportsoftheprojectofNationalNatur

6、alScienceFoundationofChinaandtheprojectofExcellentYouthFundinHubeiprovince,thispaperaimstodevelopanewalgorithmfornavigatingbasedontheSimultaneousLocalizationandMapping(SLAM)algorithmtomaketherobotstotallyautonomousintheunknownbutstructuredenvironments.Thenavigationte

7、chniquesarefirstlyreviewedinthispaperandthentheSimultaneousLocalizationandMapping(SLAM)problemisintroduced,basedontheanalysisofthelocalizationproblemandthemapbuildingproblemwhicharetwokeypointsinthenavigationtechniques,includingitsstructure,characteristics,categories

8、andsoon.Asthereisaconflictbetweentherequirementsofcomputationalcomplexityandinformation-richnesswithinthepoint-featurebasedSLAMalgo