室内环境下基于多模态感知融合的移动机器人自主导航系统研究

作     者：邓文博 

作者单位：上海师范大学 

学位级别：硕士

导师姓名：刘翔鹏

授予年度：2024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：智能移动机器人 自主导航系统 同时定位 地图构建 多模态感知融合 低矮障碍物检测 

摘      要：近年来，智能移动机器人在日常生活中的应用日益增多，而其中关键的技术之一就是SLAM技术。SLAM技术可以实现自主建图和定位。尽管传统SLAM在定位建图方面取得了一定进展，但仍然停留在较为简单的探测层面。然而对较为复杂的室内障碍物却无法建立在栅格地图中，比如，单线激光雷达无法高效扫描低于激光雷达扫描平面或高于此平面的障碍物。这就导致了机器人在面对复杂的室内环境时，往往会因为建图过程中的缺陷导致撞向障碍物。本文为了更高效的提升建图的准确率和速度，研究 SLAM 中多模态传感器数据融合的方法，提出了一种深度相机和单线激光雷达融合的 SLAM 系统。通过融合两个传感器的是数据信息，有效提高移动机器人对障碍物的感知能力。本文主要研究内容包括： （1）深度相机点云数据中地面点云的分割和剔除。地面点云的分割和剔除对深度相机点云数据的使用非常重要。由于点云数据中存在大量的地面数据干扰障碍物检测，因此，势必要求剔除点云数据中地面点云的干扰。针对传统地面点云分割算法对参数的敏感性高，需要根据环境进行费时费力的微调，并且仍然可能出现部分地面分割失败的问题。为解决这些问题，本文采用了深度学习方法，处理RGB-D数据中的RGB信息，利用YOLOv5算法实现地面的实例分割。通过深度图和变换矩阵将实例分割结果映射到点云数据，从而提高深度相机对周围环境的感知能力，为导航系统提供更高效的建图和定位能力。 （2）多传感器融合的低矮障碍物检测算法研究。由于单线激光雷达在移动机器人上不能扫描到低矮障碍物，综合考虑移动机器人感知效率和成本问题，提出了一种单线激光雷达与深度相机两传感器数据融合的方法。通过多维度传感器数据信息的融合弥补原激光雷达导航建图中的不足，使移动机器人能够更加精准地完成导航任务。 （3）提出了基于U-Net-A*的全局路径规划算法。对全局路径规划算法进行了研究，分析传统算法中存在规划速度慢，路径中拐点数目多，路径不平滑等问题，提出改进的 A*算法，解决传统路径规划中存在的问题。并考虑移动机器人现实环境下具有庞大的地图，传统路径规划算法在大地图上规划效率骤减，引入神经网络方法，设计端到端路径规划模型U-Net-A*。由改进A*算法生成不同难度系数的数据结合人工标注的数据集，使用 U-Net-A*模型拟合训练，获取时间和路径规划质量较优的神经网络模型。解决传统路径规划算法面对复杂环境场景下，路径规划速度慢、路径避障能力弱的问题。总体提升移动机器人感知与决策系统的实时性和安全性。 （4）通过将本文提出的低矮障碍物检测多传感器融合算法和路径规划算法搭建在移动机器人平台上，使用GMapping算法进行建图实验。经过实验验证该地图能够更加真实的反应环境中低矮障碍物的分布情况。随后使用该地图进行了多次路径规划实验，得到了长度短且平滑的安全路径，验证了本文提出的路径规划算法的有效性和实用性。