面向复杂环境的智能轮椅仿真及导航技术研究

移动性受限已经成为人类功能受限的首要因素轮椅，包括电动轮和智能轮椅，是当前提高受限人群的独立移动性的最主要途径研制具有更高自主性和安全性的智能轮椅是当前国内外的研究热点 如何对移动受限人群进行适当的驾驶训练，并判断其否具备驾驶轮椅的必需技能；如何降低智能轮椅算法设计的实验成本，缩短开发周期，是在实际轮椅相关工作中遇到的主要困难之一针对这些困难，本文设计实现了智能轮椅开放仿真平台通过对系统结构的分析，明确了包括模型层抽象层和接口层在内的仿真平台结构在此基础上，本文依次对各层进行讨论，并基于Gazebo和ROS实现了该仿真平台该仿真平台可用于算法开发和驾驶训练由于当前并不存在电动轮椅训练以及测试标准，本文根据日常生活中的轮椅驾驶需求制定了训练以及测试的标准该标准可在实际轮椅和仿真平台上进行实现，进而构成了驾驶训练系统该系统利用标准训练任务提高用户驾驶技能，并通过测试任务判断用户是否具备相应的驾驶技能 针对智能轮椅的导航控制，本文首先定义轮椅导航控制中的指标，即服从性安全性以及舒适性，然后，采用常见的递阶控制对轮椅的控制指令进行优化该控制系统的中的两个部分——局部路径规划和环境地图创建是实现轮椅在复杂环境导航的关键，本文分别提出了一种基于采样的智能轮椅局部路径规划方法和基于分层匹配的增量式同步定位与地图创建（SLAM）方法基于采样的智能轮椅局部路径规划方法直接将的导航控制指标作为优化目标，并依次通过速度空间采样运动学仿真以及评价等三个步骤找到最优控制量该方法能够在保证轮椅完成移动任务的前提下，有效提高用户乘坐轮椅时的安全性和舒适性基于分层匹配的增量式SLAM方法将SLAM问题简化为数据关联和最小二乘的图优化两个部分：首先通过分层ICP匹配解决数据关联（Fisher信息量描述其不确定性），再采用增量QR分解对位姿图进行优化该方法有效避免了匹配时的局部极小，能够建立一致的地图同时，该方法算法复杂度较低，可以满足室内外的实时应用 最后，本文通过实验验证了仿真平台和所提出算法的有效性