（申請工學碩士學位論文） 未知環(huán)境下基于 機器人導航算法研究 培 養(yǎng) 單 位 ： 物 流 工 程 學 院 學 科 專 業(yè) ： 機 械 制 造 及 自 動 化 研 究 生： 指 導 教 師 ： 李 文 鋒 教授 2006 年 5 月 分類號 密 級 學校代碼 10497 學 位 論 文 中文題目： 未知環(huán)境下基于 移動機器人導航算法研究 英文題目： A to 研究生姓名： 韓 銳 指導教師：姓名 李文鋒 職稱 教授 學位 博士 單位名稱 物流工程學院 郵編 430063 申請學位級別 碩 士 學科專業(yè)名稱 機械制造及自動化 論文提交日期 論文答辯日期 學位授予單位 武漢理工大學 學位授予日期 答辯委員會主席 評閱人 2006 年 5 月 武漢理工大學碩士學位論文 - I - - - 摘 要 智能 移動機器人是一種在復雜的環(huán)境下工作的具有自規(guī)劃、自組織、自適應能力的機器人 。 導航算法的研究是智能機器人研究領域的一個熱點話題。 智能導航的目的就是在 沒有人干預下使機器人有目的地移動并完成特定任務，進行特定操作 。 本文旨在 結合國家自然科學基金和湖北省青年杰出人才基金項目的需求， 研究移動機器人同時定位與制圖（ 題，并在此基礎上，研究機器人導航算法，使得機器人在完全未知結構化環(huán)境中實現(xiàn)“完全自 主”。 文章首先回顧了導航技術的發(fā)展，對導航技術中的核心問題：定位與制圖進行了詳細分析，指出了機器人定位與制圖研究中存在的問題 ，包括制圖復雜度、數(shù)據(jù)匹配難度以及定位制圖關聯(lián)度等 ；在此基礎上引出了本研究的重點：移動機器人同時定位與制圖（ 法，并對其算法構架、屬性、以及分類等相關內(nèi)容進行了介紹。 針對基于點特征的同時定位與制圖算法中存在的計算復雜度與信息豐富度之間的矛盾，本文提出了 一種 基于線特征的同時定位與制圖算法。文章對基于線特征的 法進行了詳細的闡述，給出了包括機器人運動模型、觀測模 型的建立 、 數(shù)據(jù)匹配 、 狀態(tài)更新 、地圖建立、 地圖管理 等方面的相關公式；并通過仿真實驗證實了本算法的正確性與可靠性。 針對導航算法 中對路徑規(guī)劃 的要求，本研究中 著重考慮了機器人的局部規(guī)劃即： 避障 ；并對避障 算法 行了剖析。 根據(jù) 法與法的特點，將二者相結合，形成了一種新的機器人導航算法。該導航算法較基于 導航算法而言，使用范圍更廣，導航效果更佳。 關鍵詞： 導航 ， 同時 定位與制圖， 武漢理工大學碩士學位論文 - - - a of to in of is a in on of is to do of to a on to in in is on of in so As is a of a is in as in To of in we We an in in is in we to a 武漢理工大學碩士學位論文 - - - 目 錄 第 1 章 緒 論 1 題研究的目的與意義 1 題研究的內(nèi)容 2 文組織結構 2 第 2 章 移動機器人導航技術 4 器人導航概述 4 動機器人導航方式 4 動機器人的定位問題 6 動機器人的制圖問題 7 圖的類型 7 器人制圖存在的問題 8 時定位與制圖問題 9 章小結 10 第 3 章 同時定位與制圖（ 法 11 時定位與制圖算法介紹 11 法性質 11 法分類 12 于特征 法構架簡介 14 感器的選擇及特征提取 15 感器選擇 15 征提取 17 音模型建立 17 波技術簡介 17 爾曼濾波簡介 18 性卡爾曼濾波簡介 19 展卡爾曼濾波（ 介 21 章小結 22 第 4 章 一種基于線特征 法研究 24 程模型建立 24 測模型的建立 26 法的實施 26 武漢理工大學碩士學位論文 - - - 器人運動初始化 26 據(jù)匹配 27 態(tài)更新 30 信息處理 31 圖管理 33 法仿真 33 真環(huán)境的創(chuàng)建 33 法示例 35 章小結 38 第 5 章 機器人避障算法 39 見的避障算法介紹 39 障算法介紹 40 V （ 的確定 40 法闡述 42 算法闡述 44 法仿真 48 真環(huán)境的創(chuàng)建 48 真結果說明 50 章小結 52 第 6 章 基于 導航算法 53 于 導航算法介紹 53 于 導航算法特點 54 航新算法的 仿真 55 章小結 56 第 7 章 全文總結及展望 57 文總結 57 文主要貢獻 58 來研究方向 58 參考文獻 59 致 謝 63 作者攻讀碩士期間參與項目及發(fā)表的論文 64 武漢理工大學碩士學位論文 - 1 - - - 第 1 章 緒 論 機器人的誕生和機器人學的建立和發(fā)展是 20 世紀自動控制最具說服力的成就，是 20 世界人類科學技術進步的重大成果，而作為機器人中重要分支之一的移動機器人更是給人們帶來了無限的驚喜。 移動機器人的研究 始 于 20 世紀 60年 代末期。 斯坦福研究所（ 人，在1966 年至 1972 年中研制出了取名 自主移動機器人， 其目的是研究 、應用人工智能技術 以及 在復雜環(huán)境下機器人系統(tǒng)的自主推理、規(guī)劃和控制； 20世紀 70 年代末 ，隨著計算機的應用和傳感器技術的發(fā)展 ，移動機器人研究又出現(xiàn)了新的高潮； 20 世紀 90 年代以來，以研制高水平的環(huán)境信息傳感器和信息處理技術，高適應性的移動機器人控制技術 、 真實 環(huán)境下的規(guī)劃技術為標志，開展了移動機器人更高層次的研究 1。 目前， 移動機器人正向著 具有自組織、自學習、自適應的智能化方向發(fā)展 ， 導航能力的高低是移動機器人智能化水平的重要體現(xiàn)。 隨著移動機器人 應用領域 的 日益 增加 ， 對移動機器人導航研究不斷提出新的課題 ， 使移動機器人的導航研究不斷深入和發(fā)展 234。 題研究的 目的與 意義 智能 移動機器人是一種在復雜的環(huán)境下工作的具有自規(guī)劃、自組織、自適應能力的機器人。 智能 導航研究的目標就是在沒有人干預下使機器人有目的地移動并完成特定任務，進行特定操作。機器人通過裝配的信息獲取 設備來 獲得 外部環(huán)境信息，判定自身狀態(tài)，實現(xiàn)自我定位，規(guī)劃并執(zhí)行下一步動作 。 在移動機器人導航控制理論和方法研究中，確定性環(huán)境的導航控制方法已經(jīng)取得了 大量的研究和應用成果。 對未知環(huán)境中的導航控制也開展了一些研究 ，并提出了若干方法，但是尚未形成統(tǒng)一和完善的體系結構，還有許多關鍵理論和技術問題有待解決與完善。這些問題包括環(huán)境的建模、定位、導航控制器的學習與優(yōu)化、故障診斷以及路徑規(guī)劃等。未知環(huán)境中的移動機器人只具有較少的先驗知識，其導航控制方法涉及環(huán)境認知、優(yōu)化策略、知識表示 與獲取等多 武漢理工大學碩士學位論文 - 2 - - - 項關鍵問題。 對移動機器人在未知環(huán)境中導航理論和方法的研究，將推動認知科學、模式識別、非線性控制等前 沿學科的研究，帶動航天、海洋、軍事、建筑、交通、工業(yè)和服務業(yè)等領域移動機器人導航控制系統(tǒng)的研究開發(fā)，為無人勘探車、無人排險車和無人運輸車等用于航天、軍事、深海作業(yè)和核工業(yè)領域的移動機器人系統(tǒng)的應用奠定理論和技術基礎。 具體來看 比如：在民用方面 ，可以將其用于物流自動化倉庫中的 車，以提高物流自動化程度；在軍事方面 ， 可以有助于實現(xiàn)機器人智能偵察與作戰(zhàn)等。 . 題研究的內(nèi)容 本課題 在 國家自然科學基金（ 60475031）和湖北省青年杰出人才基金項目（ 2005資助下，研究在 未知環(huán)境中 ， 移動 機器人 自主的建立環(huán)境地圖 并根據(jù)該地圖 實現(xiàn) 定位、避障與導航 的算法 。 主要針對靜態(tài)的、結構化的未知環(huán)境進行研究。 研究的 主要內(nèi)容包括以下幾方面 ： （ 1） 避障策略的擬訂； 機器人在運動之前都應進行障礙物檢測，合理的避障算法對于成功的導航而言顯得尤為重要。本研究中將對避障算法 行分析 與應用 。 （ 2） 定位方法的設計 ； 本文主要研究的是移動機器人在 自身 位置信息與環(huán)境信息均不確定的情況下， 通過傳感器了解環(huán)境 來自我定位，同時根據(jù)自身位置信息繪制環(huán)境地圖，并根據(jù)該地圖實現(xiàn)導航目的 。 因此，本 論文 將 采用同時定位與制圖（ 法對機器人進行定位。論文 將會對 本研究中提出的 基于 線 特征 法進行詳細的剖析 。 （ 3） 導航新算法的提出； 在研究避障算法 及定位算法 基礎上，找出兩者結合的可能性以及優(yōu)越性，構造新的導航算法。 文組織結構 由于機器人自主導航的最重要內(nèi)容就是機器人的定位問題，所以本文的研究 武漢理工大學碩士學位論文 - 3 - - - 工作也就圍繞機器人的自主定位進行 。在綜述國內(nèi)外研究的基礎上， 深入研究了基于線特征的機器人同時定位與制圖算法 ； 詳細介紹了避障算法 ，并將兩者結合構造了一種 新的導航算法。論文 主要分為 七 章： 第一 章為 緒論 ，主要介紹了本論文所研究的 目的與 意義 以及研究的主要內(nèi)容及要處理的關鍵問題 ；并對論文的組織結構進行概括說明。 第二章中主要 對移動機器人導航 技術 進行了概述，包括移動機 器人的導航方式以及機器人導航中的兩個主要問題：機器人定位與制圖 ； 并 追蹤 概述了 相關 技術的國內(nèi)外發(fā)展現(xiàn)狀與發(fā)展趨勢。 第三章 對移動機器人同時定位與制圖（ 法 ，特別是基于特征的法 進行了詳細的剖析 ， 包括算法的屬性、分類，構架等。 第四章介紹了 本研究中提出的一種基于線特征的 算法， 詳細 分析了實現(xiàn)算法所需要的各個步驟 ；并通過仿真實驗證實了 該新 算法的正確性與可靠性。 第 五 章對 主要研究了機器人避障算法 及 包括：算法的構架以及實現(xiàn)算法的各個步驟等；并對算法進行了仿真實驗。 在 第 六 章 中 ， 首先介紹了同時定位與制圖算法與避障算法 合、產(chǎn)生新導航算法的可能性以及新算法的優(yōu)越性；然后在對 導航 新 算法 進行說明的同時，通過仿真實驗證實了其正確性與魯棒性。 第 七 章 為全文的 總結 以及 對今后工作的 展望 。 文章結構框架如圖 1示。其中星號標示處為本研究的創(chuàng)新點。 圖 1文結構框架 武漢理工大學碩士學位論文 - 4 - - - 第 2 章 移動機器人導航技術 器人導航 概述 智能移動機器人是一類能夠通過傳感器感知環(huán)境和自身狀態(tài)，實現(xiàn)在有障礙物 的環(huán)境中向目標自主的運動，從而完成一定作業(yè)功能的機器人系統(tǒng)。而目前智能的導航技術已經(jīng)成為移動機器人研究領域的熱點課題。 智能導航要解決三方面的問題 5： （ 1）選擇適當?shù)膫鞲衅飨到y(tǒng)對移動機器人所處的環(huán)境進行認識； （ 2）通過一定的檢測手段獲取移動機器人在空間中的位置、方向以及所處的環(huán)境的信息； （ 3） 用一定的算法對所獲取的 信息進行處理并建立環(huán)境的模型，尋求一條最優(yōu)或近似最優(yōu)的無碰撞路徑，實現(xiàn)移動機器人安全移動的路徑規(guī)劃。 當 移動機器人 在未知或 不確定環(huán)境下運行 時 ， 必須通過傳感器 來采集環(huán)境信息 ， 并通過一定 算法把傳感器收集到的數(shù)據(jù)進行分析、融合 ， 用來建立外部環(huán)境的模型 ， 正確、全面的反映出外部環(huán)境的特征 ， 為導航?jīng)Q策提供正確的依據(jù)。 動機器人導航方式 在機器人導航技術中首先要解決的問題是采用什么樣的導航方式， 即采用什么樣的傳感器系統(tǒng)對外界環(huán)境進行感知，并指導機器人的后續(xù) 動作 。常見的機器人導航方式有 5： 電 磁導航、 光 反射導航、 環(huán)境地圖模型匹配導航、 路標 導航 、 視覺導航 、基于傳感器數(shù)據(jù)的導航以及衛(wèi)星導航 等 。 電磁導航也稱地下埋線導航，這種導航方式是 20 世紀 50 年代美國開發(fā)的，到 20 世紀 70 年代這種導航方式迅速發(fā)展并開始運用于柔性生產(chǎn)。 其原理是在路徑上連續(xù)的埋設多條引導電纜，分別流過不同頻率的電流，通過感應線圈對電流的檢測來 獲得 感知信息。 該技術簡單實用，但是成本 高 、 改造 和 維護困難。 光反射導航的原理是在路徑上連續(xù)的鋪設光反射條，是一種簡單、價格便 武漢理工大學碩士學位論文 - 5 - - - 宜的導航系統(tǒng)，同電磁導航一樣，該技術也相當?shù)某墒?，目前國?nèi)制造行業(yè)使用的移動機 器人大多是基于這兩種導航方式的，但是它們應用范圍比較窄，不適合在動態(tài)、變換工作環(huán)境下的移動機器人導航。 環(huán)境地圖模型匹配導航是機器人通過自身的各種傳感器探測周圍環(huán)境 ， 利用感知到的局部環(huán)境信息進行局部的地圖構造 ， 并與其內(nèi)部事先存儲的完整地圖進行匹配。 通過 匹配 ， 機器人可確定自身的位置 ， 并根據(jù)預先規(guī)劃的一條全局路線 ， 采用路徑跟蹤和 相關 避障技術 來 實現(xiàn)導航 。 路標 導航是 指： 路標 在環(huán)境中的坐標、形狀等特征 已知 的前提下 ， 機器人通過對 路標 的探測來確定自身的位置 ， 同時將全局路線分解成為 路標 與 路標 間的片段，逐段行進 完成導航。 這 種導航方式又 可分為人工 路標 導航和自然 路標導航。 雖然 人工 路標 導航比較容易實現(xiàn) ， 但它人為地改變了機器人工作的環(huán)境 ；自 然 路標 導航不改變工作環(huán)境 ， 但 機器人 需要 通過對工作 環(huán) 境中 的 自然特征 進行 識別 以 完成導航 。 路標 探測的穩(wěn)定性和魯棒性是 采用該方法時需要 研究的主要問題 。 視覺導航方式具有信號探測范圍寬、獲取信息完整等優(yōu)點，是未來移動機器人導航的一個主要的發(fā)展方向。在視覺導航系統(tǒng)中， 目前國內(nèi)外應用最多的是采用在移動機器人上安裝車載攝 像 機的基于局部視覺的導航方式，這種導航方式所有的計算設備和傳感器都裝載在機器人車體上， 利用裝 配的攝像機拍攝周圍環(huán)境的局部圖像，然后通過圖像處理技術，如特征識別、距離估計等，進行機器人定位及規(guī)劃下一步的動作。 比如， 有研究人員利用 換處理機器人全方位圖像，并將關鍵位置的圖像經(jīng) 換所得的數(shù)據(jù)存儲起來作為機器人定位的參考點。以后機器人所拍攝的圖像經(jīng)變換后與之相對照，從而得知機器人當前位置。 這些 圖象識別、路徑規(guī)劃等高層的決策 都由車載計算機完成，因而延遲問題比較明顯。視覺導航中的圖象處理計算量大，實時性差 ，這始終是一個瓶頸問題。為了提高導航系統(tǒng)的實時性和導航精度，仍需要研究更加合理 的圖象處理方法。 另外，還有基于傳感器數(shù)據(jù)的機器人導航方式。 一般機器人都安裝了一些非視覺傳感器，如超聲傳感器 、紅外傳感器、接觸傳感器等。利用這些傳感器亦可以實現(xiàn)機器人導航 。比如，當機器人在光線很暗的環(huán)境中的時候，視覺導航方式將會失效。在這種情況下，可以利用其他傳感器 ， 比方說超聲波傳感器來進行導航。 因為超聲波傳感器的使用不受光線的影響，而且由于超聲波傳感 武漢理工大學碩士學位論文 - 6 - - - 器構成 系統(tǒng)具有結構簡單、體積小、性價比高等眾多優(yōu)點，使之在機器人 特別是自主移動機器人領域 中 廣泛的運用。 衛(wèi)星導航是通過全球定位系統(tǒng)（ 實現(xiàn)的。 球定位系統(tǒng)是以距離作為基本的觀測量，通過對四顆 星同時進行偽距離測量，計算出用戶（接收機）的位置。 通過這種方式， 機器人可以通過安裝 衛(wèi)星信號接收裝置來實現(xiàn)自身定位。 除了以上 幾 種常見的導航方式外 ， 還有氣味導航、聲音導航等。 但是 在實際應用中，往往采用幾種不同導航方式的組合 來達到最佳的導航效果。 比如，有研究人員 利用超聲波傳感器和視覺傳感器的組合進行導航 6。 將超聲數(shù)據(jù)與圖像數(shù)據(jù)結合，通過事先訓練好的神經(jīng)網(wǎng)絡預測障礙物的可能位置，從而使得機器人能夠在動態(tài)非結構化環(huán)境中實現(xiàn)自主導航。 動機器人 的 定位 問題 定位是 確定移動機器人在二維 （三維） 工作環(huán)境中相對于全局坐標的位置及其本身的姿態(tài)，它是 移動機器人導航最基本的環(huán)節(jié)之一 78。 定位方法根據(jù)機器人工作環(huán)境復雜性、配備傳感器的種類和數(shù)量等不同 而 有多種 不同 方法 。 移動機器人自主定位 手段 主 要有兩類 ： 相對定位和絕對定位。 相對定位手段 主要有以下幾種 ： （ 1） 使用里程計。在這種方法中，通過使用編碼器來測量車輪的轉速，從而 可以計算出機器人的相對位置，實現(xiàn)相對定位 。使用里程 的 優(yōu)勢在于：它是完全自主的，并且 通過 結合其他方法很容易預測下一時刻機器人的位置 ； 而劣勢在于：定位誤 差無限增大， 必須 周期性的對誤差進行削減。 （ 2） 慣性 定位 。 通過測量機器人相對于初始位置的距離和方向來確定機器人的當前位置 。 該方法 通常 采用回轉儀或加速計等儀器來測量車輪轉速或加速率，然后通過一次或二次積分推導出機器人的位置。由于 其要對數(shù)據(jù)進行積分處理，很容易導致延時，或者將一些小的 常量誤差放大 ；此外 該方法設備造價較高。 （ 3） 航位推算 。這是一種經(jīng)典的相對位姿估計方法 。 一般使用安裝在車輪上的轉數(shù)表來推 算出機器人的行使距離和方向。航位推算的優(yōu)點是方 武漢理工大學碩士學位論文 - 7 - - - 法簡單，價格低廉 ； 但其本質上容易受標定誤差，車輪與地面的不良接觸，顛簸等因素影 響，因此誤差較大。 由上述可知，相對定位技術的優(yōu)點在于具有良好的短期精度、低廉的價格以及較高的采樣速率，但是由于相對定位技術的基本思路都是基于測量值的積累，因此無法避免時間漂移問題 。 隨著路徑的增長，任何小的誤差經(jīng)過積累都會無限的增加。因此相對定位不適合長距離和長時間的準確定位，除非采用外部手段對誤差進行約束。 絕對定位手段 主要有以下幾種 ： （ 1） 基于活動信標（信號燈）。信號燈通過發(fā)射光或者聲波 而被 機器人感知 。 通過測量這些被感知（ 3 個或更多）的信號燈的作用范圍，來決定機器人 的絕對位置。應該注意 ，這些信號燈 在環(huán)境中 的 位置必須 事先 已知的 。 （ 2） 基于人工路標識別。將路標放 置在 環(huán)境中的 已知位置 上 。保證任意時刻機器人能夠發(fā)現(xiàn)若干路標。通過 測量機器人與這些路標之間的相對距離來定位。使用該方法的好處在于 定位誤差是有界的。但是，與信號燈不 同的是 ： 人工路標一般不能看成點狀，而是看作一些特征的集合，這樣 機器人每次感知的只是路標的一部分，可能 會 使結果產(chǎn)生誤差。 （ 4） 基于自然路標識別 。這里的自然路標是指環(huán)境中那些固有的，明顯、容易識別的物體。 這種定位方法 的可靠性和基于人工路標識別的方法基本 一樣。但是要求我們必須對該環(huán)境事先了解 ，否則識別過程 將會 有難度。 在實際的機器人導航系統(tǒng)中，常常采用相對定位與絕對定位相結合的定位方式來對機器人進行定位。 動機器人的制圖問題 圖的類型 地圖構建也是移動機器人自主導航中的一個很重要的內(nèi)容。機器人利用對 武漢理工大學碩士學位論文 - 8 - - - 環(huán)境的感知信息對現(xiàn)實世界進行建模，自動的構建一個地圖。典型的地圖表示方法有尺度地圖以及 拓撲地圖 910。 尺度地圖中又分為柵格尺度地圖 1112以及幾何尺度地圖 1314。 柵格地圖在表示環(huán)境信息時比較形象 ， 但是受限于環(huán)境的規(guī)模。幾何地圖可以簡潔的表示環(huán)境，但是要求環(huán)境不能過 于復雜；拓撲地圖不需要尺度信息，只 依賴環(huán)境中特定的地點，但是地圖構建過程 比較復雜。 柵格地圖最開始由 出 1516。對于 2D 的柵格地圖，環(huán)境被分割為均勻的單元柵格，每個柵格賦一個 0值來表示此處的狀態(tài)： 1 表示被占據(jù) ； 而 0 表示的是空閑。對于 3D 環(huán)境，每個單元格的值代表這個柵格的高度信息，從而來表示整個環(huán)境地圖。 幾何尺度地圖由一組環(huán)境路標特征組成，每個路標特征用一個幾何原型來近似。這種地圖只局限于表示可以參數(shù)化的環(huán)境路標特征或可建模的對象如：點、線、面。這種構建方法大都是基 于對環(huán)境信息的相對觀測，然后用這些觀測到的環(huán)境特征表示環(huán)境地圖。由于以幾何位置關系來表示環(huán)境地圖，所以為了保證地圖的一致性 ， 要求各觀測信息的位置是相對精確的。對于結構化的環(huán)境，用一些幾何模型來表示環(huán)境空間是可行的。 比如 ， 可以 用線段來擬合室內(nèi)的墻面 、 用點來擬合墻角等 ； 對于室外環(huán)境，可以用點特征表示道路兩側的樹木位置 ， 用曲面來擬合路面地形 等 。 在利用 拓撲地圖表示環(huán)境時，它沒有一個明顯的尺度概念，而是選用一些特定的地點來描述環(huán)境空間信息。拓撲地圖通常表示為一個圖表，圖中的節(jié)點表示一個特定的地點，連接節(jié)點的弧線表示 特定地點之間的路徑信息。拓撲地圖對于結構化的環(huán)境是一個很有效的表示方法，但是在非結構化的環(huán)境中，地點的識別變得非常的復雜 ，這種情況下 僅以拓撲信息進行機器人定位是不充分的 17。 另外，為了更好地表示環(huán)境模型，還可以用 混合拓撲和尺度地圖的表示方法 來表示環(huán)境 1819。 通過加入尺度信息來補償拓撲信息 使得 地圖表示方法具有拓撲地圖的高效性以及尺度地圖的一致性和精確性。 器人制圖存在的問題 無論 要建立哪種類型的環(huán)境地圖，機器人必須要通過傳感器來了解環(huán)境。在這個了解過程中傳感器固有的或一些人為的因素 會導致測量誤差即測量噪 武漢理工大學碩士學位論文 - 9 - - - 音。機器人制圖過程中面臨的 一個主要挑戰(zhàn)就來自于測量噪音。 如果 測量數(shù)據(jù)在統(tǒng)計意義上獨立，通過多次測量 可以削減、甚至消除噪音的影響。然而在實際制圖過程中，這些數(shù)據(jù)卻是相互聯(lián)系的?？梢栽O法將測量誤差控制在一定范圍內(nèi)，但是它們不斷積累時，就可能會影響到下一時刻機器人對傳感數(shù)據(jù)的解釋。整個制圖過程中，機器人都要受到環(huán)境中這些系統(tǒng)的，互相聯(lián)系的誤差的影響。如何調(diào)整這些誤差是正確制圖的關鍵 。 但是不管是從理論的 還是實踐的角度來看，現(xiàn)存的算法都是十分復雜且需要進一步完善的。 第二個體現(xiàn)制圖復雜性的方面是 環(huán)境中要描述的實體的維度， 即：要用多少元素對其進行描述。比如，要較為詳細的對一個二維 的 建筑平面進行制圖，一般需要上千的元素。而對于三維而言，則會高達上百萬甚至更多。從統(tǒng)計角度看，每一個元素都是機器人要進行估計的對象。這樣顯然增加了制圖問題的復雜程度。 第三方面難點在于制圖本身是個協(xié)調(diào)、匹配的過程，也就是我們常說的數(shù)據(jù)關聯(lián)問題。即：如何判斷在不同時刻得到的傳感器數(shù)據(jù)中，哪些表示的是環(huán)境中同一元素。只有找到這些相關數(shù)據(jù)，對其進行融合處理，才會得到對該物體的準確認識，從而獲得更為精確的制圖。 第四 ，目前的算法主要集中在對靜態(tài)的 、 結構化的 、 中小環(huán)境的研究上 ，而如何在動態(tài)的 、 非結構的 、 大型環(huán)境中 進行機器人 制圖 ， 研究較淺。 最后一個問題在于，機器人制圖是與其運動路徑有關的。即機器人的定位與制圖是密切聯(lián)系的。如果機器人對自身的位置有準確的認識，就可以得到較為精確的制圖；同樣，如果機器人對環(huán)境（地圖）了解很好，就很容易得到自身的位置信息。但是，當定位信息和環(huán)境信息都不確定的情況下，兩者就應該同時考慮。這就是本研究中涉及的一個研究重點：移動機器人的同時定位與制圖（ 題。 時定位與制圖問題 同時定位與制圖（ 當前在移動機器人領域中自主導航的熱門研究方向 202122。 2002 年在瑞典的 行的一個以 主題的 動機器人領域內(nèi)最知名的專家到場為 50 名國際學生講學，從而將研究引向了高潮。 法是本研究的最主要問題，將在第三章中 武漢理工大學碩士學位論文 - 10 - - - 對其進行詳細的分析。 章小結 在本章中，首先概括介紹了機器人導航問題。對包括： 電磁導航、光反射導航、 環(huán)境地圖模型匹配導航、 路標 導航 、 視覺導航 、基于傳感器數(shù)據(jù)的導航以及衛(wèi)星導航等在內(nèi)的多種機器 人導航方式進行了介紹 ；對機器人定位與制圖進行了說明，包 括：定位方式、制圖類型等，并在分析機器人制圖 研究 存在的問題的基礎上 引出了本研究的重點 之一 ：同時定位與制圖（ 法。 武漢理工大學碩士學位論文 - 11 - - - 第 3 章 同時定位與制圖（ 算法 時定位與制圖算法介紹 移動機器人的定位和地圖創(chuàng)建是機器人領域的熱點研究問題 ，也是導航中重要環(huán)節(jié)。 對于已知環(huán)境中的機器人自主定位和已知機器人位置的地圖創(chuàng)建已經(jīng)有了一些實用的解決方法 。 然而在很多環(huán)境中機器人不能利用全局定位系統(tǒng)進行定位 ,而 且事先獲取機器人工作環(huán)境的地圖很困難 ， 甚至是不可能的 。 這時機器人需要在自身位置不確定的條件下 ， 在完全未知環(huán)境中 ， 創(chuàng)建地圖同時利用 該 地圖進行自主定位和導航 。 這就是移動機器人的同時定位與地圖創(chuàng)建(問題 ， 也稱為 。該研究領域的 代表人物有 23 。 由于 法 具有 重要的理論與應用價值 ， 被很多學者認為是實現(xiàn)真正全自主移動機器人的關鍵 。 近幾年來 ，其 研究取得了很大的進展 ， 并已應 用于各種不同的環(huán)境 ， 如 ： 室內(nèi)環(huán)境 24 25 、水下 26 27 以及 室外環(huán)境 28 29。 法性質 法有很多重要的屬性， 影響著 地圖特征和機器人位置估計中的不確定性。包括：狀態(tài)估計的收斂性，估計過程的一致性，狀態(tài)協(xié)方差矩陣更新的計算復雜度 23。 收斂性