论文部分内容阅读
对于自主移动机器人,建图、定位和导航是其三个基本且重要的任务,也是国内外相关研究领域的学者们关注的热点问题之一。移动机器人基于传感器等信息输入完成对环境的认知学习从而完成进一步的任务如目标导航,在真实自然环境中是一项巨大的挑战。而自然界中生物如人类等对复杂环境具有较强的学习能力,能够通过记忆对环境进行认知,并可以基于记忆完成特定任务。因此,本文借鉴情景记忆的相关理论,针对机器人的环境认知问题提出相关的模型与方法。基于认知地图的特性和功能,考虑与情景记忆相关的海马体神经元激活的理论,并结合生物环境认知和导航等相关背景知识,提出一种情景记忆数学模型进行移动机器人环境认知地图构建,满足机器人目标导航的需求。结合计算机视觉领域的图像特征提取匹配技术形成移动机器人的场景感知。基于生物的路径整合特性,运用竞争吸引子网络形成机器人的位姿感知。此外抽象机器人的行为模式,映射到状态神经元形成机器人的情景记忆。针对移动机器人在实际环境中的认知学习问题,提出一种基于情景记忆的广义学习方法,模拟情景记忆的组织方式形成情景记忆网络,实现移动机器人对环境在拓扑关系和几何关系上的描述,完成环境的认知。首先对情景记忆的网络结构及其学习的总体流程进行了阐述,然后详细分析了其具体功能的实现方法,以完成机器人遇到熟悉场景时的重定位、状态神经元几何关系的生成、环境中动态信息的处理以及闭环检测进行位置修正等工作。运用基于情景记忆的认知地图进行机器人目标导航,通过情景记忆的回忆机制实现机器人路径的全局规划,并基于记忆路径的纠正机制进行机器人的行为规划。运用机器人操作系统(ROS)以及Turtlebot2移动机器人搭建实验平台验证了方法的有效性和实用性。首先进行小型环路的认知学习,并结合实验结果对于算法的功能进行了综合分析。然后比较了认知地图与当前成熟的概率学地图之间的特点,在典型环境下分别采用本文算法与采用激光测距传感器的概率学算法进行地图构建工作并分析了实验结果。最后基于机器人生成的认知地图实现了目标导航任务,且对于环境中动态信息进行了一定程度上的处理。