论文部分内容阅读
随着科技的不断进步,人们的生活水平不断提高,对高水平生活质量的需求也日益增大,家用移动机器人的出现,正好填补了人们的这一需求缺口。随着人工智能技术的不断发展,家用机器人的“智力”也在不断提高。家用移动机器人SLAM(实时定位与地图创建Simultaneous Localization and Mapping)技术的提高也正代表着人工智能技术的提高。本文通过对Graph SLAM算法的改进,提高了机器人定位的精确度、建图的准确度以及实时性。本文的主要研究内容如下:首先从研究家用移动机器人的意义入手,阐述了使用家用移动机器人的对现代人类生活质量提高的重要性。其次对移动机器人实时定位与地图创建(SLAM)问题的国内外研究现状,以及常用开源算法进行了详细的介绍与对比。然后对本课题中所使用到的软件操作系统ROS(Robot Operating System)和移动机器人底盘Turtlebot2的特性进行了简单介绍。完成了本课题中使用到的传感器如,里程计和IMU(Inertial Measurement Unit)的运动测量模型搭建,激光雷达测量原理的阐述。通过对地图描述方法的对比,确定了本文以占据概率栅格地图为地图模式,并采用局部子地图的形式建图。针对开源算法Karto SLAM实时性差,回环检测不稳定的缺点,本文提出了两点改进。首先使用UKF(Unscented Kalman Filter)滤波算法融合里程计与IMU测量数据的方式,提高定位的精确度,然后使用深度优先搜索的分支定界法(DBB)对图优化后端进行剪枝加速,使其实时性得到了一定的改进,最后使用ceres优化库来完成扫描匹配,进一步提高定位的精确度。本文在最后一章对全文进行了总结,并且对今后进一步的研究方向进行了展望。