论文部分内容阅读
智能轮椅通过将移动机器人技术应用于电动轮椅上,在机构上稍加改进,辅以测距、视觉等传感器,融合移动机器人相关的定位导航、人机交互、图像识别等先进技术,使其变成高度自主化的移动机器人,从而实现对老年或残疾人的移动辅助。 本文按照功能分离、结构分离、兼容性、可扩展、可移植等设计原则,出于开放性与标准化等方面的考虑,提出了基于服务导向的服务机器人模块化软件体系结构设计方法,并基于此方法完成智能轮椅系统设计及平台开发,根据不同残障程度的用户需求以及不同的使用环境要求,设计了三种智能轮椅工作模式。 在自主导航模式方面,智能轮椅需要具备完全自主性,须具有探索未知区域、创建其地图、基于地图进行自定位、路径规划以及导航的能力,同步定位与地图创建(SLAM)就是实现这一能力的关键。 考虑智能轮椅使用环境的特点,本文提出了基于激光测距传感器和全景视觉的两种智能轮椅SLAM方法: 在大范围、空旷的环境中,保持稳定的数据关联并且降低算法的复杂度是 SLAM问题的关键。针对这一问题,本文提出了基于分层匹配的增量式SLAM算法,将SLAM问题简化为数据关联和最小二乘优化两个部分,然后通过以下步骤加以解决:首先,通过分层ICP匹配解决数据关联问题,并且对传感器观测与局部地图以及局部地图之间均进行匹配,匹配结果的不确定性采用Fisher信息矩阵描述;随后,再采用增量式QR分解对机器人位姿进行优化。分层ICP匹配有效避免了由于环境信息量减少引起的局部极小,能够建立一致的地图,从而保证了地图和定位的精度。同时,分层以及增量式特性保证了算法具有较低复杂度,使其可满足大尺度环境下的实时应用。 针对智能轮椅导航的室内环境特点,提出了基于全景视觉的扩展信息滤波 SLAM算法,通过对全景视觉观测模型的分析,结合对信息矩阵结构特征描述,将信息矩阵稀疏化、降低算法的复杂度,同时引入了改进的稀疏化规则,在保证现有计算效率的同时,解决了由于稀疏化所带来的非一致的地图描述问题,使算法的实时性和精确度均得以提高。 基于之前建立的概率栅格地图,提出了基于定位能力估计的移动机器人路径规划算法。定位能力被用来评价环境结构与地图噪声对机器人定位性能的影响,从而在全局地图上规划出一条定位信息丰富的轨迹。 通过在真实室内外环境的SLAM实验表明,本文提出的基于分层匹配的增量式SLAM算法和基于全景视觉的的扩展信息滤波SLAM算法在算法实时性、精确性等方面可以满足智能轮椅在室内外环境中的使用。