论文部分内容阅读
随着人工智能的快速发展,服务机器人受到了越来越广泛的关注,人们对服务机器人的需求日益增加,自主跟随机器人作为服务机器人中的重要一员也日益受到重视。本文基于ROS系统设计的自主跟随机器人,能够实现目标跟随、同时定位与建图(SLAM)以及路径规划等功能。本文的研究内容主要分为以下三个方面:1、研究了基于激光雷达的同时定位与建图技术。首先,分析了栅格地图的占据原理,对Hector算法的地图获取和扫描匹配两个过程进行理论推导,构建出室内环境地图;其次,对基于粒子滤波的Gmapping算法进行研究,详细分析了位姿估计的步骤,并对融合了里程计信息和激光雷达观测信息的建议分布函数进行推导,在相同的室内环境中构建地图;最后,通过对比分析两种算法构建出的地图,得出添加里程计信息的Gmapping算法构建出的地图更加完整准确,选定该算法进行地图构建为后续路径规划做准备。2、研究了跟随机器人的路径规划技术,对动态窗口算法提出改进。在全局路径规划方面,对A*算法和Dijkstra算法进行原理推导,在相同环境中进行实验对比,并选定效率较高的A*算法;在局部路径规划方面,对动态窗口算法(DWA算法)的评价函数做出改进,舍弃原函数中功能相似的参数,增加参数Angl和Head来评价当前路径与全局路径和目标点之间的夹角关系,并对改进前后的DWA算法进行实验对比;最后,在构建好的地图中设定目标和障碍物,利用Rviz对机器人路径规划实时观测,验证了 A*算法和改进DWA算法的有效性,实现了机器人的路径规划功能。3、研究了目标跟随技术,提出多信息融合跟随算法。首先,将深度信息和Camshift算法进行融合解决相似颜色干扰问题,利用深度阈值进行目标和背景的分割,将深度信息融合到原来的概率密度分布图中,通过前两帧图像之间的深度差值,获取两个不同的感兴趣深度,并赋予不同的权值,解决了机器人在相似颜色干扰时无法准确跟随的问题;其次,在融合了深度信息的Camshift算法中加入Kalman信息,通过位置预测、搜索匹配和修正更新等步骤进行跟随,缩小了 Camshift算法的搜索范围,解决了目标被遮挡导致的跟丢问题;最后,基于机器人平台对改进前后的Camshift算法进行实验对比,多信息融合跟随算法最终达到了预期的效果,证实了本文方法的合理性和有效性。