移动机器人单目视觉惯性SLAM与路径规划算法研究

作     者：鞠春宇 

作者单位：哈尔滨工业大学 

学位级别：硕士

导师姓名：罗清华

授予年度：2021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：路径规划 视觉惯性SLAM 加权中值预积分 人工势场法 A-star算法 

摘      要：随着控制理论、人工智能、电子信息与计算机技术等学科的高速发展,移动机器人已经在各个行业得到了前所未有的应用。对于一个移动机器人来说,SLAM(Simultaneous Localization and Mapping)算法用于确定机器人在环境中的位置并且对机器人周围的环境进行建图,而路径规划算法可以保证机器人从起点无碰撞的安全到达目标位置,所以对移动机器人的视觉SLAM和路径规划算法展开相关的研究是有重要意义的。对于路径规划算法部分,本文提出了基于启发式方法的静态路径规划算法、基于人工势场和A-star融合的静态路径规划算法和基于改进DWA(Dynamic Window Approach,简称DWA算法)算法的动态路径规划算法;对于SLAM算法部分,本文提出了基于加权中值预积分的单目视觉惯性SLAM算法。基于启发式方法的静态路径规划算法的研究。考虑到传统的A-star算法自身的节点搜索策略具有许多路径的拐点、转弯角度大的缺点,并且其产生的可行性路径在理论上不是最佳的,所以本文提出了一种基于启发式方法的静态路径规划算法,我们通过设计不同的地图环境以评估基于启发式方法的路径规划算法的性能,并且定义了评估指标,最后与传统的A-star算法以及其他两种算法对比以评估基于启发式方法的静态路径规划算法的有效性和可行性。基于人工势场和A-star融合的静态路径规划算法的研究。为了解决A-star算法不能处理动态障碍物和人工势场法生成的路径不是最优的问题,本文提出了一种基于人工势场法和A-star算法的融合路径规划算法。然后,我们设计了不同的地图布局特点以评估基于人工势场和A-star融合的静态路径规划算法的性能,将本文提出的人工势场和A-star融合的静态路径规划算法与其他相关方法进行了对比评估。实验结果表明本文所提出的人工势场和A-star融合的静态路径规划算法是有效可行的。基于改进DWA算法的动态路径规划算法的研究。考虑到在障碍物较稠密区域,动态窗口法在穿越稠密障碍物时存在绕行于稠密障碍物区域外侧的行为,这会造成总路程增加;同时,当遇到“C形障碍物时,标准的DWA算法的目标代价函数会失效,导致找不到路径。针对这个问题本文在基本的DWA算法基础上引入了一个当前点和目标点距离评分的约束条件。然后我们设计了不同情况下地图布局的特点,在实验评估过程中,我们使用标准DWA算法作为参考方法,对本文所提出的基于改进DWA算法的动态路径规划算法进行了性能评估,实验结果表明本文所提出基于改进DWA算法的动态路径规划算法是有效可行的。基于单目视觉惯性传感器的SLAM算法的研究。考虑到已有的预积分方法通常使用欧拉积分或者中值积分的数值积分方式,这种积分方式计算简单,但是在积分过程中损失了精度,对最终定位结果的精度有影响。所以本文提出了一种基于加权中值预积分的单目视觉惯性SLAM算法。我们首先介绍了实验环境和实验条件,主要包括用于单目视觉惯性SLAM系统性能评估的Eu Ro C数据集以及实验所需要的硬件和软件条件,我们使用系统VI＿ORB＿SLAM2、ROVIO、VINS-Mono作为参考方法,使用绝对位置的均方根误差RMSE作为评估指标,对本文提出的基于加权中值预积分的单目视觉惯性SLAM系统的性能进行了评估。实验结果表明,本文提出的加权中值预积分的单目视觉惯性SLAM算法是有效可行的。