自主移動機器人動態(tài)環(huán)境感知與構(gòu)圖研究.pdf

1、智能機器人研究領(lǐng)域中，實現(xiàn)機器人的自主性是不可或缺的環(huán)節(jié)。機器人獨立自主的完成某一作業(yè)任務(wù)，離不開對周圍作業(yè)環(huán)境信息和自身位置的實時感知。由此產(chǎn)生同步定位與構(gòu)圖（ Simultaneous Localization and Mapping, SLAM）技術(shù)，即自主移動機器人自身配備環(huán)境感知傳感器，在作業(yè)行進過程中感知環(huán)境，由感知數(shù)據(jù)提取出能夠描述比較有代表性的環(huán)境特征，這些特征一方面能夠在一定程度上反應(yīng)出作業(yè)環(huán)境，另一方面可用于校正機器

2、人自身在環(huán)境中的相對位姿。
　　本文首先搭建機器人系統(tǒng)平臺，在該平臺上構(gòu)建復(fù)合坐標(biāo)系，同時建立了環(huán)境感知特征地圖模型、機器人運動系統(tǒng)模型和環(huán)境特征量測模型。其次，對于環(huán)境感知數(shù)據(jù)集，提出線段特征提取方法。方法涵蓋多個細(xì)節(jié)處理，分別是：環(huán)境感知數(shù)據(jù)集初步劃分得到多個獨立的連通區(qū)域，連通區(qū)域逐一進行數(shù)據(jù)平滑處理，連通區(qū)域細(xì)化分割，實現(xiàn)感知數(shù)據(jù)最大化劃分；改進的最小二乘直線擬合法獲取直線距離-傾角參數(shù)，誤判噪聲點處理方法、線段交點歸一化

3、方法、小范圍掃描盲區(qū)地圖填補方法等對線段端點進行綜合整合并獲取線段特征的端點坐標(biāo)參數(shù)。再次，采用獨立兼容最近鄰（ ICNN）數(shù)據(jù)關(guān)聯(lián)方法，并建立數(shù)據(jù)關(guān)聯(lián)模型和對應(yīng)的數(shù)據(jù)關(guān)聯(lián)矩陣。受過濾門限的設(shè)置方法的啟發(fā)，提出用于特征匹配的灰色區(qū)域劃分方法，將不可能出現(xiàn)匹配范圍內(nèi)的地圖特征元素濾除，有效降低數(shù)據(jù)關(guān)聯(lián)矩陣解空間的維數(shù)。同時提出誤判匹配對的判別方法及其處理方法，以及有效點特征的判定方法，用于輔助線段特征的數(shù)據(jù)關(guān)聯(lián)?；讵毩⒓嫒葑罱彿椒ǖ臄?shù)