论文网
机器人类有关论文范文文献,与申请工学硕士学位文相关论文摘要
本论文是一篇机器人类有关论文摘要,关于申请工学硕士学位文相关大学毕业论文范文。免费优秀的关于机器人及算法及特征方面论文范文资料,适合机器人论文写作的大学硕士及本科毕业论文开题报告范文和学术职称论文参考文献下载。
优化.比如说,随着机器人的不断移动,在移动机器人后面一定距离的信息利用率是很低的,删除这些信息不会对决策产生大的影响.此外,如图5-12仿真结果所示可以看出,VFH/VFH+算法均是局部优化的算法,没有过多的考虑路径规划问题.如果要得出更优化的路径来,必须采用其他方法来补偿,比如采用动态规划理论等.
5.4本章小结
本章中在对常用的几种避障算法做了简单介绍的基础上对本研究所采用的VFH/VFH+算法进行了详细的分析,包括环境栅格向量化,活动窗口分区以及新方向确定等环节,最后通过仿真实验对算法进行了校验.
第6章基于SLAM的导航算法
Leonard和Durrant-Whyt曾经指出,机器人导航可以归结为以下三个问题:"我在何处","我要去何处"以及"我如何到该处"[56].其中,第一个问题是后两个问题的基础.机器人只有知道了某一时刻自身的位置,才有可能解决下一时刻去哪及如何去的问题.也就是说,机器人导航问题是将机器人定位,制图以及避障等集于一体的综合性问题.为了满足机器人在未知环境中导航的需求,本章中提出了一种新的导航算法.
6.1基于SLAM的导航算法介绍
从上文介绍中可以看出,SLAM算法可以为在未知环境中工作的机器人提供位置信息即:可以给机器人定位.但该算法要求在每个控制时刻应该提供确定的控制量信息,在本研究中主要是指机器人的转角信息.该信息至关重要,它决定了机器人是否可以避障以及是否可以到达目的地,避障算法VFH/VFH+可以为机器人提供准确的控制信息,但是要求在每个控制时刻必须有机器人的位置信息.这样在未知环境中,特别是诸如GPS等外部手段无法提供机器人位置信息的场合,该避障算法将无法实施.容易发现SLAM算法与VFH算法是可以相互辅助的,将两者结合可以得到一种新的导航算法.利用该新算法,机器人可以在未知环境中通过传感器了解环境,建立环境地图,根据该自制地图进行自我定位,并将自身位置信息提供给VFH+算法以实现避障.
图6-1所示为基于SLAM的导航算法构架.在初始时刻给定初始的控制量后,机器人开始行进.在了解环境的过程中,机器人通过传感器获取环境信息,提取环境中的特征,运用SLAM算法获取自身位置信息.该信息一方面用来进行避障算法VFH+的计算,另一方面用于和目标位置进行比较.通过比较,若机器人已经到达目的地,则停止或者返回,若没有到达,则根据VFH+算法所提供的控制量信息继续前进,以此循环直至到达目标点为止.
图6-1基于SLAM的导航算法构架图
6.2基于SLAM的导航算法特点
SLAM算法与VFH算法的结合具有一定的优势,下文将从以下几个方面进行分析.
1)在未知环境中,机器人要运行SLAM算法首先必须从环境中提取特征.而这些特征是指凸显于环境中的那些物体,显然障碍物也包含在内.换句话讲,机器人从传感器数据中提取出的特征既可以用于SLAM算法,同时也可以用于VFH+算法.这样从某种程度上讲可以节省时间资源.
2)以往在运用VFH算法进行机器人避障时,必须首先通过GPS等外部手段获得其自身的位置信息,这样就使得算法的应用场合受到限制.而当SLAM算法与VFH算法结合之后,机器人自身的位置信息由SLAM算法提供,这使得VFH算法可以运用于任何场合之下.
3)在仅仅运用VFH算法进行导航时,机器人的位置误差会不断积累,当误差增大到一定程度时将会影响机器人作业.但是将SLAM算法引入到VFH算法中后,会通过滤波来不断更新机器人的位置估计,从而将误差控制在一定范围之内.
6.3导航新算法的仿真
同样在Matlab环境下,作者编程实现了对该导航新算法的仿真实验.图6-2所示为某一仿真环境.图中线段表示的是从环境中提取出来的将用于导航算法的线特征,点线表示的是机器人从起点到终点过程中的运动轨迹.图6-3所示为机器人在运行导航新算法时的位置误差.其中,实线表示的是X轴方向的位置误差,虚线表示的是Y轴方向的位置误差.可以看出整个过程中,机器人位置误差均比较小,在目的地处位置误差几乎接近零.图6-4所示为机器人在运行过程中没有使用SLAM算法的情况下的位置误差.可以看出此时机器人的位置误差不断积累,这样在位置精度要求较高的场合中,机器人有可能无法到达目的地.
图6-2导航新算法仿真环境
图6-3机器人位置误差I图6-4机器人位置误差II
6.4本章小结
根据同时定位与制图(SLAM)算法与避障算法(VFH/VFH+)的特点,本章中将两者结合产生了一种新的导航算法.文章首先对新导航算法的构架进了详细的阐述,并在此基础上分析了其优势所在,并通过编程在仿真环境下验证了该导航算法的可靠性.
第7章全文总结及展望
7.1全文总结
本论文结合国家自然科学基金(60475031)和湖北省青年杰出人才基金项目(2005ABB021)的需求,主要研究移动机器人自主导航算法.文章对机器人导航领域的重要问题比如:定位与制图,避障等进行了较系统,深入的研究.
第一章为全文的概述,在介绍本文研究的目的与意义的基础上,指出本课题主要研究的是当机器人在未知环境中,靠自身传感器感知环境的情况下,自主的建立环境地图并根据该地图实现定位,避障与导航的算法,同时介绍了本研究要处理的关键问题,在最后对论文的组织结构进行概括说明.
第二章中主要对移动机器人导航技术进行了概述,包括移动机器人的导航方式:电磁导航,光反射导航,环境地图模型匹配导航,路标导航,视觉导航,基于传感器数据的导航以及卫星导航等,同时介绍了机器人导航中的两个主要问题:机器人定位与制图,具体包括定位方式(相对定位,绝对定位),地图类型以及机器人制图研究中存在的难点等,并追踪概述了相关技术的国内外发展现状与发展趋势.
第三章对移动机器人同时定位与制图(SLAM)算法进行了详细的剖析,包括算法的发展现状,属性等,并详细说明了基于特征SLAM算法构架以及其算法根基卡尔曼滤波.
第四章中详细介绍了本研究中提出一种基于线特征的SLAM算法,该算法较基于点特征的SLAM算法而言,计算量减少,而且地图的表示更为丰富.并通过仿真实验证实了算法的正确性与可靠性.
第五章简单介绍了常用的几种避障算法,并对本研究所采用的VFH/VFH+算法进行了详细的分析,包括环境栅格向量化,活动窗口分区以及新方向确定等环节,最后通过仿真实验对算法进行了校验.
第六章中,根据同时定位与制图(SLAM)算法与避障算法(VFH/VFH+)的特点,将两者结合产生了一种新的导航算法.本章首先对新导航算法的构架进了详细的阐述,并在此基础上分析了其优势所在,并通过编程在仿真环境下验证了该导航算法的可靠性.
7.2本文主要贡献
通过对同时定位与制图(SLAM)算法以及避障算法(VFH/VFH+)的深入研究,本文的主要贡献与创新点有:
1)提出了一种基于线特征的SLAM算法,并给出了相关的比较函数公式,数据匹配方式等,并在仿真环境下证实了算法的鲁棒性.与基于点特征的SLAM算法相比,该方法可以提供信息更为丰富的地图而且计算量相对减少.
2)详细剖析了避障算法VFH和VFH+,并通过Matlab软件对算法进行了仿真实验.
3)将SLAM算法与VFH+算法结合,扩展了VFH+算法的使用场合.
7.3未来研究方向
移动机器人技术是一个不断发展和创新的技术,机器人的研究内容涉及到多个学科的内容.结合当今机器人研究的发展潮流和国内外į
机器人类有关论文范文文献,与申请工学硕士学位文相关论文摘要参考文献资料：