基于认知地图的移动机器人自主导航技术研究.ppt

'基于认知地图的移动机器人自主导航技术研究本文研究的三大问题(1)研究移动机器人环境感知问题提岀了基于多传感器联合顺序粒子滤波的认知地图创建算法,将移动机器人对环境的学习,从感知层次提高到认知层次(2)研究移动机器人自主导航问题在认知地图下实现了全局定位、位置识别、避障路径规划、基于位置导航及精确末段泊位问题。(3)研究移动机器人目标监测和跟踪问题在认知地图下,提岀三种有效的环境监测及目标跟踪方法,为机器人与环境交互提供技术基础。论文主要内容绪论移动机器人自主导航技术综述移动机器人SLAM技术综述移动机器人认知地图创建技术综述认知地图创建中的环境特征匹配算法基于双向-最优矩形优先(DD-BBF)的比例不变性视觉特征匹配算法激光测距仪极坐标扫描匹配算法基于多传感器联合顺序粒子滤波的认知地图创建算法基于认知地图的移动机器人自主导航技术基于认知地图的目标跟踪技术认知地图中基于鲁棒背景差分算法的目标跟踪技术认知地图中基于视觉特征匹配的目标跟踪技术认知地图中基于视觉-激光测距仪的人体跟踪技术移动机器人自主导航技术综述移动机器人导航是指移动机器人依靠传感器在特定环境中,按时间最优、路径最短或能耗最低等准则实现从起始位置到目标位置的无碰撞运动导航问题三大要素:地图创建定位定位ocalization运动控制通过三大要素解决三大问题我在哪环境探索运动控制主动定位exploration我要去哪actvelocalization如何去地图创建、定位和运动控制的关系机器人定位的目的是回答“我在什么地方?”这个基本的问题机器人定位的方法可以分为:非自主定位:是在定位的过程中机器人需要借助机器人本身以外的装置如:全球定位系统(GPS)、全局视觉系统等进行定位自主定位两大类:是机器人仅依靠机器人本身携带的传感器进行定位。按照初始位姿是否已知,可把机器人自主定位分为:初始位姿已知的位姿跟踪:位姿跟踪是在已知机器人的初始位姿的条件下,在机器人的运动过程中通过将观测到的特征与地图中的特征进行匹配,求取它们之间的差别,进而更新机器人的位姿的机器人定位方法。初始位姿未知的全局定位:全局定位是在机器人的初始位姿不确定的条件下,利用局部的、不完全的观测信息估计机器人的当前位姿。移动机器人路径规划技术:全局路径规划和局部路径规划。如果机器人初始位姿、环境及目标已知,导航问题转化为全局路径规划问题。全局路径规划方法:环境分割法图搜索法遗传算法可视图法人工势场法局部路径规划方法:人工势场法神经网络法模糊推理法向量场矩形法速度空间寻优方法动态窗口法移动机器人目标跟踪技术:按照目标的类型可以分为静态目标的跟踪与动态目标的跟踪。静态目标跟踪:目标点是静止不动的,机器人需要识别目标,估计目标在机器人坐标系下的位置,然后尽量保持目标在自己的视野范围中,并且逐渐的接近目标动态目标跟踪:目标点是运动的,机器人需要预测目标点的运动,然后调整自己的姿态,保持目标在自己的视野中,然后接近目标点移动机器人SLAM技术综述SLAM(同时定位与地图创建问题)基本思想:利用已创建地图修正基于运动模型的机器人位姿估计误差;同时根据可靠的机器人位姿,创建出精度更高的地图。简单的说,SLAM利用观测到的特征计算它们的世界坐标以实现地图创建,同时更新机器人的位姿以实现机器人的定位SLAM的目的是,根据输入信息估计机器人运动路径S以及地图M。机器人从位姿S0开始通过控制命令序列U移动,随着机器人的移动附近的路标被感知到,时刻t=1,感知到路标m1,并获得测量数据z1(包括距离和方向),时刻t一2,感知到路标m2,并在时刻t=3,重新感知到路标m1,现在已经形成的地图为M=(m1,m2,mn]sLAM问题的图形模式基于扩展卡尔曼滤波(EKF)的SLAM技术:主要是建立机器人的运动模型和观测模型运动模型是用来获取从状态XK1到XK的变化在机器人运动时,在k时刻观测到的路标的状态值可以通过观测模型来描述对于机器人的系统模型和观测模型,EKF使用最小平均方差融合所有可以使用的状态信息,计算系统状态估计值,这通过预测、观测和更新三步迭代完成基于EKF的SLAM方法的主要缺点:(1)假设机器人运动模型传感模型的噪声都是单模态高斯白噪声(2)计算复杂度与特征数的二次方成正比