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。

基于自然路标识别.这里的自然路标是指环境中那些固有的,明显,容易识别的物体.这种定位方法的可靠性和基于人工路标识别的方法基本一样.但是要求我们必须对该环境事先了解,否则识别过程将会

有难度.

在实际的机器人导航系统中,常常采用相对定位与绝对定位相结合的定位方式来对机器人进行定位.

2.4移动机器人的制图问题

2.4.1地图的类型

地图构建也是移动机器人自主导航中的一个很重要的内容.机器人利用对环境的感知信息对现实世界进行建模,自动的构建一个地图.典型的地图表示方法有尺度地图以及拓扑地图[9][10].尺度地图中又分为栅格尺度地图[11][12]以及几何尺度地图[13][14].栅格地图在表示环境信息时比较形象,但是受限于环境的规模.几何地图可以简洁的表示环境,但是要求环境不能过于复杂,拓扑地图不需要尺度信息,只依赖环境中特定的地点,但是地图构建过程比较复杂.

栅格地图最开始由Elfes和Moravec提出[15][16].对于2D的栅格地图,环境被分割为均匀的单元栅格,每个栅格赋一个0-1的值来表示此处的状态:1表示被占据,而0表示的是空闲.对于3D环境,每个单元格的值代表这个栅格的高度信息,从而来表示整个环境地图.

几何尺度地图由一组环境路标特征组成,每个路标特征用一个几何原型来近似.这种地图只局限于表示可以参数化的环境路标特征或可建模的对象如:点,线,面.这种构建方法大都是基于对环境信息的相对观测,然后用这些观测到的环境特征表示环境地图.由于以几何位置关系来表示环境地图,所以为了保证地图的一致性,要求各观测信息的位置是相对精确的.对于结构化的环境,用一些几何模型来表示环境空间是可行的.比如,可以用线段来拟合室内的墙面,用点来拟合墙角等,对于室外环境,可以用点特征表示道路两侧的树木位置,用曲面来拟合路面地形等.

在利用拓扑地图表示环境时,它没有一个明显的尺度概念,而是选用一些特定的地点来描述环境空间信息.拓扑地图通常表示为一个图表,图中的节点表示一个特定的地点,连接节点的弧线表示特定地点之间的路径信息.拓扑地图对于结构化的环境是一个很有效的表示方法,但是在非结构化的环境中,地点的识别变得非常的复杂,这种情况下仅以拓扑信息进行机器人定位是不充分的[17].

另外,为了更好地表示环境模型,还可以用混合拓扑和尺度地图的表示方法来表示环境[18][19].通过加入尺度信息来补偿拓扑信息使得地图表示方法具有拓扑地图的高效性以及尺度地图的一致性和精确性.

2.4.2机器人制图存在的问题

无论要建立哪种类型的环境地图,机器人必须要通过传感器来了解环境.在这个了解过程中传感器固有的或一些人为的因素会导致测量误差即测量噪音.机器人制图过程中面临的一个主要挑战就来自于测量噪音.如果测量数据在统计意义上独立,通过多次测量可以削减,甚至消除噪音的影响.然而在实际制图过程中,这些数据却是相互联系的.可以设法将测量误差控制在一定范围内,但是它们不断积累时,就可能会影响到下一时刻机器人对传感数据的解释.整个制图过程中,机器人都要受到环境中这些系统的,互相联系的误差的影响.如何调整这些误差是正确制图的关键.但是不管是从理论的还是实践的角度来看,现存的算法都是十分复杂且需要进一步完善的.

第二个体现制图复杂性的方面是环境中要描述的实体的维度,即:要用多少元素对其进行描述.比如,要较为详细的对一个二维的建筑平面进行制图,一般需要上千的元素.而对于三维而言,则会高达上百万甚至更多.从统计角度看,每一个元素都是机器人要进行估计的对象.这样显然增加了制图问题的复杂程度.

第三方面难点在于制图本身是个协调,匹配的过程,也就是我们常说的数据关联问题.即:如何判断在不同时刻得到的传感器数据中,哪些表示的是环境中同一元素.只有找到这些相关数据,对其进行融合处理,才会得到对该物体的准确认识,从而获得更为精确的制图.

第四,目前的算法主要集中在对静态的,结构化的,中小环境的研究上,而如何在动态的,非结构的,大型环境中进行机器人制图,研究较浅.

最后一个问题在于,机器人制图是与其运动路径有关的.即机器人的定位与制图是密切联系的.如果机器人对自身的位置有准确的认识,就可以得到较为精确的制图,同样,如果机器人对环境(地图)了解很好,就很容易得到自身的位置信息.但是,当定位信息和环境信息都不确定的情况下,两者就应该同时考虑.这就是本研究中涉及的一个研究重点:移动机器人的同时定位与制图(SLAM)问题.

2.4.3同时定位与制图问题

同时定位与制图(SLAM)是当前在移动机器人领域中自主导航的热门研究方向[20][21][22].2002年在瑞典的KTH举行的一个以SLAM为主题的SummerSchool,移动机器人领域内最知名的专家到场为50名国际学生讲学,从而将SLAM的研究引向了高潮.SLAM算法是本研究的最主要问题,将在第三章中对其进行详细的分析.

2.5本章小结

在本章中,首先概括介绍了机器人导航问题.对包括: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在内的多种机器人导航方式进行了介绍,对机器人定位与制图进行了说明,包括:定位方式,制图类型等,并在分析机器人制图研究存在的问题的基础上引出了本研究的重点之一:同时定位与制图(SLAM)算法.

第3章同时定位与制图(SLAM)算法

3.1同时定位与制图算法介绍

移动机器人的定位和地图创建是机器人领域的热点研究问题,也是导航中重要环节.对于已知环境中的机器人自主定位和已知机器人位置的地图创建已经有了一些实用的解决方法.然而在很多环境中机器人不能利用全局定位系统进行定位,而且事先获取机器人工作环境的地图很困难,甚至是不可能的.这时机器人需要在自身位置不确定的条件下,在完全未知环境中,创建地图同时利用该地图进行自主定位和导航.这就是移动机器人的同时定位与地图创建(SLAM)问题,也称为CML(ConcurrentMappingandLocalization).该研究领域的代表人物有Smith,Self和Cheeseman[23].由于SLAM算法具有重要的理论与应用价值,被很多学者认为是实现真正全自主移动机器人的关键.近几年来,其研究取得了很大的进展,并已应用于各种不同的环境,如:室内环境[24][25],水下[26][27]以及室外环境[28][29].

3.1.1SLAM算法性质

SLAM算法有很多重要的属性,影响着地图特征和机器人位置估计中的不确定性.包括:状态估计的收敛性,估计过程的一致性,状态协方差矩阵更新的计算复杂度[23].

收

上一页 1 2 3 4 5 6 7 8 9 10 下一页

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：

写论文的技巧

如何写专业论文

如何写好高考议论文

论文注释写法

怎么写高考满分作文

软文

如何写好sci论文

如何让写好议论文

写论文公司

如何写好议论文