基于激光雷达的移动机器人障碍检测和自定位

随着计算机和机器人技术的发展，现代移动机器人在工业制造、军事、民用、科学研究等方面得到了越来越广泛的应用。它们可以代替人类实现很多繁重或恶劣条件下人类无法胜任的工作。另外，移动机器人的研究处在的多学科交叉领域，给新理论和方法的产生都提供了广阔的实践舞台。因此移动机器人的研究一直都得到了各国的高度重视。根据移动机器人的工作环境不同，可以简单地把它分为两大类：室外移动机器人和室内移动机器人。本文围绕着移动机器人研究中的两大关键技术：障碍检测和定位进行了深入研究，取得了一些很有意义的成果。 在第一部分研究内容中，重点研究陆地移动机器人(Autonomous Land Vehicle)的障碍检测问题。作者回顾了移动机器人的障碍检测研究中所采用的各种传感器和实现方法，分析比较了每种方法的优缺点，指出采用激光测距雷达是比较好的选择。然后将障碍检测子系统和ALV整体结合在一起，从系统的角度对障碍检测的要求进行了分析，并讨论了各种环境因素和ALV车体运动对LMS激光测距雷达测距造成的误差影响。量化分析的结果表明，虽然作者采用的是2D激光测距雷达，没有3D激光测距雷达那样的面阵扫描功能，但是在平整路面的条件下，充分利用其高采样率的优点，完全可以实现小障碍的检测。接下来作者设计了采用两个2D激光测距雷达的ALV障碍检测系统，并提出了基于多传感器数据融合的障碍检测方法。 在该方法中，作者针对ALV障碍检测的实际要求，将多目标跟踪的理论和思路引入到算法里面来。具体地说，是采用了基于D-S证据理论的身份识别技术和基于扩展卡尔曼滤波的目标跟踪技术，来分别完成障碍检测中障碍和路边的识别以及障碍准确位置的确定两大主要任务。该算法的特点在于充分利用了两个激光测距雷达的不同安装位置、不同分辨率对障碍检测造成的有利条件，将多目标跟踪的理论和技术融入障碍检测的软件框架中，并结合D-S证据理论融合多测量周期的识别结果，由顶雷达建立障碍的初始航迹，而底雷达进行航迹的跟踪和维持。这样顺利地完成了两个激光测距雷达的信息融合过程。在数据输入模块中还介绍了作者为解决两个激光测距雷达和PC机之间的高速数据通信问题所设计的高速数据通信卡。 在第二大核心内容中，作者对室内移动机器人的定位技术进行了深入的研究。作者先针对目前机器人定位研究中的难点——初始定位，结合激光测距雷达的数据特点，提出了基于完整线段(Complete Line Segments，CLS)的初始定位方法，包括CLS的定义、性质和判定方法，并在机器人试验平台上进行了实验。结果表明该方法大大提高了计算效率，并有令人满意的初始定位精度。随后作者又通过考虑激光测距雷达数据的不精确性及其在环境建模中的误差传递过程，对传统的运动定位进行了改进，并用扩展卡尔曼滤波技术实现了亚厘米级的高精度定位。然后结合初始定位和运动定位，提出了实现可靠的机器人全局定位的方法。 最后，作为室内移动机器人定位技术的一种创新性的应用，作者提出了基于移动机器人平台的室内三维场景自动重建系统。该系统既具有机器人平台的灵活性，又免去了通常的三维重建系统所必须面对的复杂的配准计算，具有很好的应用前景。