论文部分内容阅读
近年来室内机器人的应用需求快速增长,对机器人的未知环境探索能力和自身定位与移动的能力提出了新的要求。另外,机器人平台和机器人应用的多样性要求机器人系统的设计拥有较高的平台兼容能力、可移植性和可扩展性。本文基于室内机器人探索未知环境和自主导航与巡逻的实际需求,在机器人操作系统ROS的框架下设计和实现了室内机器人自主巡航系统,能够完整地解决机器人在室内环境下的探测与导航以及新应用快速接入的问题。该系统主要分为全局收益POMDP主动SLAM算法模块和巡逻与控制模块两个部分。论文首先介绍了主动SLAM算法和ROS框架的历史背景和发展现状,并且详细阐述了基于粒子滤波的SLAM算法原理和既有的主动SLAM算法思想。在此基础上,本文以部分可观测的马尔可夫决策过程POMDP为整体框架设计了主动SLAM算法,在价值函数中加入基于边界的潜在探索收益解决传统方法缺少全局性的问题,并在统计分析的基础上提出了启发式近似求解算法提高计算效率。接着本文设计了基于ROS的室内机器人巡逻与控制系统,首先在动态窗口法的基础上提出了改进的导航控制规划算法,接着设计了离散Voronoi图算法从占用栅格地图中提取出拓扑结构,以地图拓扑结构的顶点为关键坐标规划路线实现机器人自主巡逻,并在ROS的可视化工具基础上实现了自定义信息的设置,最后基于网络传输层协议设计了可以兼容本地、局域网和互联网应用场景的机器人控制扩展接口,并在Android系统上实现。在测试环节中,本文设计的机器人室内自主巡航系统达到了预期的指标。在主动SLAM算法的性能测试中,将本文设计的全局收益POMDP算法与只考虑探索收益的边界探索法和同样使用POMDP框架,以系统状态和观测值的互信息作为价值函数的互信息POMDP方法做了横向比较,发现本文算法与既有的边界探索法相比,降低了15.9%~21.9%的坐标误差和18.7%~25.7%的地图关键点平均误差。与互信息POMDP法相比,本文算法在达到相同精度的前提下缩减了33.8%~44.9%的平均单次决策耗时,在一些环境下减少了19.4%~25.2%的探索路径,并且在更空旷的空间中也有着更加稳定的表现。在巡逻与控制模块的功能测试中,各个子模块都能正确稳定地运行,实现了设计目标。