随着科学技术的不断发展,移动机器人应用场景不断扩大。与传统的工业机器人不同,室内移动机器人面对更为复杂的作业内容及环境,其自主导航也更具技术挑战。SLAM(Simultaneous Localization and Mapping)方法是移动机器人领域解决环境感...
详细信息
随着科学技术的不断发展,移动机器人应用场景不断扩大。与传统的工业机器人不同,室内移动机器人面对更为复杂的作业内容及环境,其自主导航也更具技术挑战。SLAM(Simultaneous Localization and Mapping)方法是移动机器人领域解决环境感知与定位导航的主流方法。然而,该方法在实际应用中存在数据计算量大、先验信息获取时间成本高等问题,对于结构复杂、区域面积大的室内环境并不适用。针对该问题,论文研究了基于建筑信息模型(Building Information Modeling,BIM)的室内移动机器人导航技术,应用BIM信息实现移动机器人室内地图构建、定位及路径规划。论文研究内容如下:首先,通过研究室内移动机器人导航技术及移动机器人运动学模型,分析了传统技术的应用缺点,并阐述了基于BIM的导航技术的可行性,设计了基于BIM的移动机器人导航系统架构。通过研究激光SLAM的建图过程,基于IFC实现BIM信息解析与提取,构建了多层地图。其次,基于粒子滤波器原理,推导了蒙特卡罗定位(Monte Carlo Localization,mcl)算法及其自适应变种算法。针对粒子群收敛慢、点云对齐度低的问题,基于BIM提供的节点信息,提出了一种融合视觉信息的自适应蒙特卡罗定位算法,引入扫描匹配优化点云对齐,并通过实验在基于BIM构建的地图中验证了改进后算法的有效性。然后,针对传统A*算法搜索效率低且缺乏安全性考虑的情况,提出了基于BIM的路径安全性改进方法,同时在启发函数中引入描述环境复杂度的自适应系数。对改进A*算法进行了仿真验证,仿真结果表明,在路径长度相近的情况下,改进后的A*算法相较于传统A*算法搜索时长减少了65%。将改进后的A*算法与TEB(Timed Elastic Band)算法融合,提高了移动机器人的局部避障能力。最后,论文使用ROS(Robot Operating System)移动机器人,搭载激光雷达及单目摄像头,以实际环境BIM模型构建地图,在该地图基础上进行室内定位及路径规划,实现了移动机器人的自主导航。
暂无评论