论文部分内容阅读
随着智能移动机器人应用领域的不断扩大，机器人被期望在更加复杂、多变，甚至未知的室外环境中作业，而如何在这样的环境中实现可靠、精确定位和有效实时避障，成为了机器人进行导航作业首要解决的问题。目前，概率法是机器人定位研究领域的热点，但常规概率定位方法却难以解决机器人绑架等未建模问题；实时、可靠是机器人良好避障行为所必须具备的，但现有避障方法多存在局部最小、误判等问题。 本文以变电站巡检机器人为研究背景，针对定位和避障两个问题，基于已知环境地图，以SICK2DLMS200激光测距仪作为移动机器人高精度的外部传感器，里程计和陀螺仪为内部传感器，基于已有的概率定位方法，着重研究初始位姿未知情况下的移动机器人全局定位问题以及机器人绑架问题的解决，提出了一种EKF与MCL融合定位方法；并基于动态法原理对复杂环境下移动机器人在障碍物间的穿越避障方法进行了研究，改进了动态窗法。 主要研究内容包括以下四个方面： ①研究现有的概率定位方法，对经典的EKF算法和热门的MCL算法进行比较分析。 ②针对本文关注的定位精度和机器人绑架两个定位问题，基于优势互补的思想，以MCL作为主定位方法，用EKF方法改进粒子的建议分布辅助定位，提出了一种EKF与MCL融合定位的方法。 ③基于Matlab仿真平台和MobileSim移动机器人仿真平台，对本文提出的EKF与MCL融合定位方法进行了仿真比较验证。仿真实验表明，本文算法在移动机器人的位姿跟踪和全局定位两方面均表现出比MCL算法更好的定位性能，可有效解决常规MCL算法无法解决的机器人绑架问题。 ④基于动态窗法避障原理，针对大部分反应式避障算法未考虑机器人尺寸约束导致机器人无法通过障碍物间可通行通道的问题，提出了一种复杂环境下考虑机器人尺寸约束的动态窗避障方法。Matlab仿真实验表明，本文改进的动态窗法避免了局部最小问题，提高了移动机器人在可通行的、狭窄通道间的穿越避障能力，实现了比原动态窗法更高的避障期望。