论文部分内容阅读
目前,智能移动机器人在人们日常生活扮演者重要的角色,即时定位及建图(Simultaneous Location and Mapping,SLAM)技术是移动机器人发展中的核心关键技术。因激光雷达能够获取到精确的障碍物的距离信息,具有较强的抗干扰能力,能够构建精准的地图及很好的满足对二维室内环境的构建,因此选择激光传感器作为外部测量传感器研究SLAM技术,基于图优化的SLAM算法因其具备回环检测的能力、实时性高等优点能够建立更为精确的地图,是目前激光SLAM技术的主要研究方向。本文以基于图优化SLAM为研究基础,依托于山东大学ALEbot研发平台,通过对图优化SLAM中涉及的关键技术进行研究优化,搭建实验平台,在真实环境下进行算法实验,结果显示建图效果较好,本文主要的研究内容分为以下几个方面:(1)依据ALEbot研发平台,根据激光传感器测距原理建立激光雷达模型,并根据研发平台的差速驱动原理建立移动机器人的运动模型,针对该运动模型中对旋转测量误差较大的问题,利用陀螺仪能得到更为准确旋转测量的特性,对航迹推算算法进行改进,实验证明改进后航迹推算在短距离上能够实现较高的定位精度,但是面对较长的运行则会存在着累积误差,导致较大的定位误差。(2)针对迭代最近点算法实现帧间匹配期间存在错误匹配的问题,利用机器学习与其进行融合的改进算法,通过三组环境下进行实验得到改进后帧间匹配算法在x方向上的平均绝对误差为2.1863mm,y方向的平均绝对误差为2.6954mm,角度的平均绝对误差为0.0645°,为避免轮子打滑导致较大的定位误差,据此建立激光里程计;并根据帧间匹配得到的数据利用基于模型的方法对轮式里程计的结构尺寸进行标定,通过多组实验得到轮式里程计的左轮直径为144.344mm,右轮直径为 143.875mm,轮间距为 525.833mm。(3)针对用户可视化及后续导航中对地图的需求,选取栅格地图作为最后实验建图的最终呈现形式;针对子地图建立过程中存在对激光里程计的依赖,设计将激光传感器、轮式编码器、IMU利用扩展卡尔曼滤波算法进行融合;针对分割-合并(Split and Merge,SM)算法特征提取过程中对参数较敏感的问题,提出利用基于斜率差进行预分割,再用SM算法进行线段特征提取,能够有效的提取到激光点云中的直线特征;针对图优化的回环检测提出map-to-map的检测方式,通过回环检测建立“强”约束,利用图优化算法达到校正机器人位姿的目的。搭建实验平台在室内环境下进行实验,通过对比真实环境和基于图优化SLAM算法得到的建图的尺寸,得出建图中误差为0.0613m,能满足移动机器人在室内进行导航对地图的精度要求。