基于改进AMCL的AGV全局定位算法研究

作     者：谢奥 

作者单位：山东大学 

学位级别：硕士

导师姓名：皇攀凌;周军

授予年度：2020年

学科分类：080202[工学-机械电子工程] 08[工学] 0804[工学-仪器科学与技术] 0802[工学-机械工程] 

主      题：AGV AMCL 扩展卡尔曼滤波器 栅格地图 

摘      要：在现代工业生产中,叉车、拖车等设备需要大量的人员参与,而且成本高、运输效率低,已经越来越难以满足现代工业的生产需求了。而AGV作为自动运输车,其可以广泛部署,运动范围广等特点,很好的满足了工厂的各种需求,现代工厂也已经开始越来越多的使用AGV来进行物料运输。而在工业生产中,对于AGV的自主定位的精度要求也是越来越高,研究AGV的定位算法对于满足AGV地图更新及路径规划的定位要求具有重要的意义。本文主要研究内容如下:针对AGV定位算法计算效率不高、实时性差等问题,选择激光SLAM算法进行栅格地图的绘制工作,围绕AGV建立世界坐标系、小车坐标系以及激光坐标系,通过分析里程计及其误差来源,建立里程计运动模型,再针对本实验选择的LMS111-10100激光雷达建立观测模型为后面定位算法提供支持,利用课题组的激光传感器获取数据进行一个栅格地图的仿真创建实验,并且对栅格地图进行二值化与自然域化处理,减少了算法的计算量,满足定位的实时性需求。针对AGV定位问题,选取AMCL算法作为小车的基础定位算法,用matlab进行了激光模型定位仿真,仿真中粒子集经过2个位移时间完成收拢,定位误差在3cm左右。在实验中发现定位算法出现粒子集分散的问题,分析其可能是由于里程计累计误差无法消除越来越大,导致粒子集的平均权重降低,在重采样时算法会不信任粒子集所给出的位姿,向全局地图中加入随机粒子,从而出现粒子集分散问题,因此提出一种基于EKF的里程计和惯导元件数据融合的AMCL定位算法,通过利用EKF对里程计和惯导元件数据融合建立机器人运动模型,从而修正里程计误差的问题,增加定位精度及算法的稳定性。针对定位算法出现的定位精度不高、散点等问题,用自主设计的实验平台在实验室内环境进行实验,通过在环境进行全局定位的定位精度对比分析,结果表明改进算法的定位精度保证在2.5cm内,角度的定位精度相比于原算法提高了一倍。在进行借助机器人绑架实验中,算法经过大约13s时间对小车进行了重新定位,且定位精度依旧保持在1个栅格大小内,验证了算法的定位失效恢复能力。