论文部分内容阅读
随着机器人技术的快速发展,智能移动服务机器人越来越多地出现在人们的日常生活中。作为移动服务机器人智能化的重要体现之一,室内自主导航已经成为机器人领域的重点研究方向。由于室内环境通常比较复杂,实现该环境中的自主导航往往需要解决很多问题。因此,研究复杂室内环境下的移动服务机器人自主导航系统具有极其重要的理论意义与实际应用价值。本文主要工作如下:首先,对移动服务机器人研究现状、导航技术及常用传感器展开研究,选择ROS(Robot Operating System,机器人操作系统)为系统软件平台,激光测距仪作为环境信息获取设备,完成了基于ROS移动服务机器人室内激光导航方案的设计。其次,针对在噪声干扰环境下基于Rao-Blackwellized粒子滤波的同时定位与地图构建(Rao-Blackwellized Particle Filter Simultaneous Localization and Mapping,RBPF-SLAM)算法存在估计精度低、鲁棒性差的问题,提出了一种基于改进RaoBlackwellized H∞滤波器(Improved Rao-Blackwellized H∞Filter,IRBHF)的SLAM算法。该算法利用迭代无迹H∞滤波(Iterative Unscented H∞Filter,IUHF)精确计算重要性密度函数,以此估计系统状态均值和协方差,无需推导Jacobian矩阵,避免了线性化误差积累;此外,通过迭代更新方式,利用观测信息不断校正系统状态均值和协方差,进一步减小估计误差。实验结果表明改进算法鲁棒性强,可以有效而精确地构建环境地图。再次,对人工鱼群算法(Artificial Fish Swarm Algorithm,AFSA)进行深入研究,提出一种基于自适应优化策略的改进人工鱼群算法(Improved Artificial Fish Swarm Algorithm,IAFSA)。该算法利用高斯分布函数动态调整控制参数——视觉Visual和步长Step,平衡算法的全局优化能力和局部优化能力;同时引入反向学习策略,构建基于反向学习的人工鱼群,增强算法的搜索精度;另外,受PSO算法启发,提出了基于PSO迭代权重的算子,增强算法的局部搜索能力。仿真结果表明IAFSA的全局优化能力强、收敛速度快、精度高,可以规划出最优路径。最后,在ROS2-bot移动机器人平台上完成了基于ROS的室内激光导航系统的设计与实现,并分别在人工构建的环境和建筑物室内环境中完成了自主导航实验。实验结果表明,本文提出的基于ROS的室内激光导航系统适应性强,在复杂环境中的导航效率高,具有较高可行性和可靠性。