智能移动机器人发展迅猛,近年来已被广泛应用于航空航天、餐饮服务和卫生医疗等各大领域。其中,机器人定位是其实现自主定位导航的重要技术,目前采用较多的是单传感器定位方法,但其存在一定的局限性,如视觉传感器测量精度低、激光传感器信息单一,这就导致机器人定位不准确。因此研究多传感器融合定位具有重要意义。
本文针对室内移动机器人定位算法研究内容如下:
(1)针对基于激光雷达的Cartographer算法在长廊环境中工作在易出现定位漂移的问题,本文提出基于长廊环境的改进Cartographer定位算法(Cartographer based on long corridor,Cartographer＿lc),该算法引入一个鉴别模块,判断移动机器人是否处于长廊环境,由此动态调整算法参数,以避免机器人的定位漂移。实验结果表明,本文所提算法能够有效解决机器人在长廊环境中定位不准确的问题,提高了算法的定位精度。
(2)基于激光雷达的自适应蒙特卡罗定位算法(Adaptive Monte Carlo Localization,AMCL)在生成粒子时具有随机性,会使机器人在遭遇绑架后出现定位无法恢复的情况。为此,本文在AMCL算法的基础上,引入ORBSLAM(Oriented Fast and Rotated Brief-Simultaneous Localization and Mapping,ORB-SLAM)纯定位模式,提出融合视觉SLAM的定位算法(Adaptive Monte Carlo Localization with visual SLAM,V-AMCL),该算法在机器人发生绑架时使用视觉纯定位模式快速获得机器人位置,并在新位置随机放置一定的粒子,使得机器人能快速恢复定位,有效解决了机器人绑架问题。并且通过一系列实验证明了所提算法的有效性。
针对厂房、银行和大型超市等需要人工巡逻的场所,文章设计了一款基于ROS的巡逻机器人自主导航系统。文章将ROS系统部署到基于树莓派硬件开发的巡逻机器人上,对巡逻机器人的环境感知模块、导航模块和监控模块等进行研究设计。该系统使用同步定位与建图(Simultaneous Localization and Mapping,SLAM)技术,通过激光雷达和里程计实现定位、建图与导航功能。实验结果表明,该系统定位收敛速度快,构建地图精度高,路径规划稳定性好,能替代人类巡逻。
暂无评论