论文部分内容阅读
随着社会的不断进步，人类对机器人的要求已不仅限于传统的工业机器人，而是转向更智能的机器人。导航系统作为机器人智能化的体现，依然存在准确性和适应性较差的问题。智能机器人主要服务于室内环境，因此本文通过在室内导航系统中引进UWB室内定位系统，提升导航系统的准确性和适应性。导航系统分为建图、定位和路径规划三部分，于是本文的主要工作如下： 首先，研究了UWB定位系统的原理，针对该系统存在的无法确定机器人姿态的问题，引入了传统阵列定位算法，该算法能解算出机器人的姿态，但误差较大，而且随着机器人运行速度的增加而不断增加。于是，在阵列定位算法基础上，引入惯导传感器，提出了基于EKF的UWB与惯导融合算法，该算法定位精度较高，适应性较好，不会随着机器人速度的增加而出现大幅度的降低。 其次，针对现有SLAM方法存在的适应性和精度较差等问题，本章首先提出了基于匹配的占据栅格地图精度评价方法，实现对地图精度的评价。然后在三种不同的仿真环境下测试三种SLAM算法的性能，并选择出精度较高和适应性较好的Gmapping算法。最后提出了改进的Gmapping算法，将UWB与惯导融合获得的定位误差模型代替原算法中的里程计误差模型进行采样，解决了Gmapping算法存在的累积误差问题，提升了算法的适应性、准确性和实时性。 然后，针对AMCL算法存在的全局定位失效和绑架机器人问题，提出了改进的AMCL算法。将融合UWB与惯导的室内定位结果作为原算法的参考位姿，并将定位误差模型作为恢复过程中粒子的采样模型，解决了原AMCL算法的全局定位失效和绑架问题。接着，对导航系统的路径规划相关算法进行研究，为导航系统配置了代价地图、全局路径规划和局部运动规划算法，实现了完整导航系统的算法框架，并在仿真环境中顺利完成导航。 最后，搭建了实际实验环境和平台，并且为了完成对UWB与惯导融合位姿的精度进行评价，提出了基于线性映射的视觉定位方法，实现了机器人小范围环境的准确定位。实际实验结果验证了基于EKF的UWB与惯导融合算法具有较高的定位精度和适应性，改进的Gmapping算法能有效减少累积误差的影响并提升了算法的实时性，改进的AMCL算法能有效解决机器人全局定位失效和绑架问题，为导航系统配置的路径规划相关算法能够有效的实现机器人的自主导航，而且配置改进AMCL算法的导航系统具有较高的适应性。