基于视觉和雷达融合的移动机器人定位导航研究
随着传感器技术的不断发展，无人自主机器人可以在越来越多的环境代替人类完成工作、探索等任务。在复杂的工作环境下，单个传感器已经难以满足移动机器人完成定位导航的需求。本文在分析了国内外SLAM算法研究现状的基础上，通过融合激光雷达和双目相机两种传感器优化移动机器人的自身定位、地图创建能力，据此搭建了一套移动机器人定位导航系统。本文的具体研究内容如下： (1)搭建了搭载二维激光雷达和双目相机的移动机器人平台，对移动机器人运动模型、轮式里程计、双目相机测距模型、激光雷达测量模型进行数学建模，对轮式里程计和双目相机进行标定，消除激光雷达的运动畸变。根据机器人的需求设计了信息处理系统，下位机负责移动机器人的运动控制以及内置传感器数据接收，上位机接收雷达和双目相机数据，运行上层算法。 (2)改进了KartoSLAM算法进行2D激光雷达建图，提出了一种基于混合滤波的点云预处理算法，用于修正由设备精度、环境因素造成的无效点、离群点、错误点。该算法首先使用直通滤波器消除无效点，然后使用半径滤波鉴别出离群点和错误点，最后使用卡尔曼滤波器修正错误点的值。通过对比实验测试点云预处理算法中一些重要参数的作用，并选取了最优参数，最终实地测试改进前后的KartoSLAM算法，改进后的算法能有效地减少地图构建中的重影现象。 (3)为了将激光建图与视觉建图融合，研究了ORB-SLAM2系统架构，分析了ORB特征点的提取匹配、位姿估计、局部地图跟踪和回环检测的原理。在原算法框架中，增加了八叉树地图构建部分和栅格地图构建部分，解决了ORB-SLAM构建的稀疏点云地图难以用于路径规划的问题。使用积分法将激光雷达构建的栅格地图和双目相机构建的栅格地图融合，用于后文的路径规划。 (4)针对PRM路径规划算法运行速度慢、难以针对狭窄通道采样的问题，提出栅格概率路径图算法。首先用栅格划分地图，根据栅格内障碍物面积，划分栅格威胁等级，据此使用不同采样策略。其次提出一种采样点落在障碍物内的重采样方法，提升采样效率，增加在狭窄通道内的采样。同时，改变连接策略，连接采样点时，只与附近栅格进行连接，减少算法耗时。生成路径后，对路径进行优化与平滑，使之符合移动机器人运动约束。通过仿真分析得到了栅格概率路径图法中栅格缩放系数k选取的依据。仿真结果显示，栅格概率路径图法的运算时间和成功率与经典算法相比均获得提高。将栅格概率路径图算法部署在移动机器人平台上，完成了实地路径规划。
移动机器人;多传感器融合;地图构建与定位;路径规划;激光雷达
南京理工大学
硕士
机械电子工程
张志安
2022
中文
TP242.6
2023-08-22（万方平台首次上网日期，不代表论文的发表时间）