论文部分内容阅读
随着中国工业现代化的不断发展,仓储物流业从简单的劳动密集行业向自动化的方向转化,生产过程中对自动引导小车(Automated guided vehicle,AGV)的要求也越来越高,智能化的自主导航是AGV方向发展。AGV使用搭载的传感器数据创建环境地图,根据任务目标自动搜索最佳路线,最终到达目的地继续完成其他任务。在此过程中,同时定位与建图(Simultaneous Localization and Mapping,SLAM)是其中的关键一步。本文以TurtleBot3 Burger为原型,搭建软硬件平台,对基于多传感器信息融合的AGV SLAM进行研究。针对SLAM问题中常见的累积误差问题,使用多传感器信息融合的方法减少累积误差。同时应用图优化理论作为SLAM算法框架,优化全局误差。针对地图质量的评估问题,提出一种定量分析地图的方法,降低主观判断对评价地图的影响。具体来说主要包括以下内容:1.建立机器人坐标系系统,把机器人各传感器信息传递到统一坐标系,基于不同的传感器分别建立里程计运动模型、激光雷达观测模型和IMU运动模型,最后建立了创建地图所需的栅格地图模型。2.基于多传感器信息融合的SLAM算法研究。引入基于图优化理论SLAM算法,包括图的构建过程和优化方法,基于图优化理论提出本文改进的SLAM算法框架。研究了图优化SLAM算法的关键内容:前端部分建立约束和数据关联的方法,后端优化方法,回环检测策略。最后提出一种基于IMU数据的里程计校正方法,融合磁力计、加速计、陀螺仪信息校正里程计,用于减少里程计的累积误差,并通过实验验证方法的有效性。3.系统实验与地图评估研究。针对地图质量的评估方法问题,提出一种定量分析地图的方法,即采用五个指标综合分析生成地图与地面实况图之间的差异,使用实验数据分析多种算法生成的地图,降低主观判断对地图评价的影响。