發(fā)布時間：2018-03-09 02:05

  本文選題：實時定位與地圖創(chuàng)建　切入點：移動機(jī)器人　出處：《山東大學(xué)》2017年碩士論文　論文類型：學(xué)位論文

【摘要】：SLAM(Simultaneous Localization And Mapping)技術(shù),我們平時稱之為實時定位與地圖創(chuàng)建,顧名思義,指的是機(jī)器人處在一個未知的環(huán)境中,從毫無所知,到完全熟悉該環(huán)境,并在機(jī)器人的"記憶中"創(chuàng)建出一張完整的環(huán)境地圖,根據(jù)這張地圖可以完成自定位與導(dǎo)航任務(wù),這個過程需要用到機(jī)器人內(nèi)部自帶的一些傳感器,同時也需要外界的部分信息。本課題以搭載了 ROS的移動式服務(wù)機(jī)器人為平臺,進(jìn)行了機(jī)器人SLAM研究,進(jìn)行了機(jī)器人運(yùn)動模型搭建、數(shù)據(jù)信息的獲取和處理,完成了室內(nèi)地圖的創(chuàng)建,利用所創(chuàng)建的地圖進(jìn)行了機(jī)器人運(yùn)動的導(dǎo)航,最后進(jìn)行了實驗和仿真,證明了方法的可行性。本文從以下幾個方面進(jìn)行了研究:(1)以自主研發(fā)的移動機(jī)器人為平臺,介紹了該款機(jī)器人系統(tǒng)的組成,包括系統(tǒng)參數(shù)配置,硬件和軟件模塊,同時建立了運(yùn)動學(xué)模型,便于今后對機(jī)器人運(yùn)動的控制。(2)使用Kinect和SickTIM561進(jìn)行外部信息的采集和處理,使用IMU和編碼器進(jìn)行機(jī)器人內(nèi)部信息的采集,同時使用外部信息和內(nèi)部信息進(jìn)行多傳感器信息融合,利用融合之后的信息進(jìn)行定位與導(dǎo)航,可以提高整個系統(tǒng)的穩(wěn)定性,同時也減少了因為某一方面的信息原因出現(xiàn)的偏差。(3)采用相對簡單的線條表示地圖的方法提高了地圖的更新速度,克服了地圖信息表示不全的缺點。建立了機(jī)器人狀態(tài)模型并將擴(kuò)展卡爾曼濾波方法用于本系統(tǒng)中,實時更新和預(yù)測機(jī)器人狀態(tài),包括機(jī)器人位置、速度、觀測信息等。(4)在ROS的RVIZ和GAZEBO中進(jìn)行仿真實驗,對多個環(huán)境進(jìn)行了探索,成功地創(chuàng)建環(huán)境地圖并利用所創(chuàng)建的地圖進(jìn)行導(dǎo)航與定位,給定機(jī)器人一個目標(biāo)位置,機(jī)器人會根據(jù)所創(chuàng)建的地圖自主進(jìn)行避障、路徑規(guī)劃和導(dǎo)航,同時在這期間我們可以實時觀察到機(jī)器人的一系列信息,包括運(yùn)動速度、全局路徑規(guī)劃、局部路徑規(guī)劃等。(5)進(jìn)行了機(jī)器人SLAM中相關(guān)數(shù)據(jù)的分析,對實驗中的一些問題作了說明,總結(jié)了本課題的成果,提出了下一步將要進(jìn)行的任務(wù)。
[Abstract]:SLAM(Simultaneous Localization And mapping, which we call real-time location and map creation, as the name implies, refers to a robot in an unknown environment, from being unknown to being fully familiar with the environment. And create a complete environmental map in the "memory" of the robot, according to which the task of self-localization and navigation can be accomplished, and this process requires some sensors brought in by the robot. At the same time, it also needs some information from outside. Based on the mobile service robot with ROS as the platform, the research of robot SLAM is carried out, and the robot motion model is built, and the data information is acquired and processed. The building of indoor map is completed, and the navigation of robot motion is carried out by using the created map. Finally, the experiment and simulation are carried out. The feasibility of the method has been proved. In this paper, the following aspects of the research on the mobile robot developed by ourselves as a platform, introduced the composition of the robot system, including system parameters configuration, hardware and software modules, At the same time, the kinematics model is established to facilitate the control of robot motion in the future. The Kinect and SickTIM561 are used to collect and process the external information, and the IMU and encoder are used to collect the internal information of the robot. At the same time, using external and internal information for multi-sensor information fusion, using the fused information for positioning and navigation, can improve the stability of the whole system. At the same time, it also reduces the deviation due to a certain aspect of information.) the method of using relatively simple lines to represent the map improves the speed of updating the map. The state model of the robot is established and the extended Kalman filter method is used to update and predict the state of the robot in real time, including the position and speed of the robot. The observation information is simulated in the RVIZ and GAZEBO of ROS, and several environments are explored. The environment map is created successfully, and the map is used to navigate and locate, and the robot is given a target position. The robot will independently perform obstacle avoidance, path planning and navigation based on the maps created, and during this time we can observe a range of information about the robot in real time, including speed of movement, global path planning, In this paper, we analyze the related data in the robot SLAM, explain some problems in the experiment, summarize the results of this project, and put forward the tasks to be carried out in the next step.
【學(xué)位授予單位】：山東大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2017
【分類號】：TP242

【參考文獻(xiàn)】

相關(guān)期刊論文 前10條

1 高申勇;許方鎮(zhèn);郭鴻杰;;基于彈簧模型的移動機(jī)器人路徑規(guī)劃研究[J];儀器儀表學(xué)報;2016年04期

2 李衛(wèi)成;汪地;宗殿棟;姜海龍;;基于RGBD的機(jī)器人室內(nèi)SLAM與路徑規(guī)劃系統(tǒng)[J];工業(yè)控制計算機(jī);2016年03期

3 李初蕾;鄧豪;;基于K_SVD算法的機(jī)器人路徑規(guī)劃[J];電子制作;2016年01期

4 曲乃恒;楊桂林;鄭天江;;基于解耦式主動萬向腳輪的全向移動機(jī)器人設(shè)計[J];中國機(jī)械工程;2015年19期

5 林亞明;李佐勇;林葉郁;徐戈;;自適應(yīng)濾波窗實現(xiàn)距離加權(quán)圖像椒鹽噪聲濾除[J];中國圖象圖形學(xué)報;2015年08期

6 許倫輝;朱群強(qiáng);胡發(fā)煥;;基于Euler算法的全向輪機(jī)器人位姿檢測[J];計算機(jī)測量與控制;2015年07期

7 李竹青;蔣春平;趙啟陽;;KUKA機(jī)器人3Donsite中位置設(shè)定的探討[J];現(xiàn)代涂料與涂裝;2015年07期

8 鄧凱鋒;王耀南;劉東奇;;基于小波變換的卡爾曼濾波動力電池SOC估算[J];控制工程;2015年03期

9 郭芙;譚建豪;;基于激光傳感器的移動機(jī)器人地圖的創(chuàng)建[J];計算機(jī)系統(tǒng)應(yīng)用;2011年08期

10 劉利枚;蔡自興;;粒子群優(yōu)化的多機(jī)器人協(xié)作定位方法[J];中南大學(xué)學(xué)報(自然科學(xué)版);2011年03期

相關(guān)博士學(xué)位論文 前4條

1 李繼安;面向水質(zhì)監(jiān)測的無線傳感器網(wǎng)絡(luò)能效優(yōu)化與綜合評估研究[D];華中科技大學(xué);2014年

2 吳皓;基于服務(wù)任務(wù)導(dǎo)向的機(jī)器人地圖構(gòu)建研究[D];山東大學(xué);2011年

3 陳鳳東;基于認(rèn)知地圖的移動機(jī)器人自主導(dǎo)航技術(shù)研究[D];哈爾濱工業(yè)大學(xué);2009年

4 郭利進(jìn);大尺度環(huán)境下移動機(jī)器人同時定位與地圖創(chuàng)建研究[D];天津大學(xué);2007年

相關(guān)碩士學(xué)位論文 前10條

1 雷遠(yuǎn)春;未知環(huán)境下多智能體協(xié)作避障方法的研究[D];寧夏大學(xué);2015年

2 宮永辰;異步電動機(jī)無功補(bǔ)償裝置的研究[D];大連海事大學(xué);2015年

3 張?zhí)茽q;輪式移動機(jī)器人慣性定位系統(tǒng)的研發(fā)[D];廣東工業(yè)大學(xué);2014年

4 李辰祥;基于MEMS行人慣性導(dǎo)航的零速度修正技術(shù)研究[D];廈門大學(xué);2014年

5 張磊;基于視覺與慣性傳感器的移動機(jī)器人環(huán)境地圖創(chuàng)建方法研究[D];武漢理工大學(xué);2013年

6 徐紅珍;基于粒子群的卡爾曼濾波算法改進(jìn)和優(yōu)化[D];武漢理工大學(xué);2013年

7 祁明順;基于串行編隊的群機(jī)器人控制研究[D];天津理工大學(xué);2013年

8 陳博飛;推進(jìn)器輔助系泊定位技術(shù)研究[D];哈爾濱工程大學(xué);2013年

9 吳晨光;基于改進(jìn)人工勢場法的機(jī)器人路徑規(guī)劃及其在RoboCup中的應(yīng)用[D];南京郵電大學(xué);2012年

10 陳光明;多機(jī)器人協(xié)同定位與環(huán)境地圖構(gòu)建研究[D];廣東工業(yè)大學(xué);2011年

，

本文編號：1586503