论文部分内容阅读
作为移动机器人的一项核心能力，室内导航始终在机器人领域占有十分重要的地位。随着机器人技术的不断发展，许多成熟的室内导航方法被逐渐地提出并成功的得到了实现。然而由于成本控制的缘故，这些成熟的室内导航方法始终无法很好地应用于民用产品。近年来，随着RGB-D融合数据传感器的大幅度发展，开发民用级别的室内移动机器人导航系统亦愈发可行。但是受限于成本因素，基于RGB-D融合数据传感器所构建的导航系统始终受数据噪声大，数据范围小及数据精度低等问题困扰。 为降低室内导航系统的成本并提高其实用性，本文在充分分析移动机器人室内导航原理的基础上搭建了基于RGB-D融合数据的室内导航系统，并详细讨论了一组用于滤除传感器数据噪声，延长数据应用范围与降低传感器低精度数据影响的优化算法。其主要内容可以概述如下: (1)设计了两套不同原理的基于RGB-D融合数据的室内导航硬件系统，并对两套系统的成本与性能进行了比较研究。在此基础上，重点搭建了其中一套低成本室内导航系统，并讨论了针对其原始RGB-D数据的插值，降噪与融合优化处理。在此优化数据基础上，完成了各帧点云数据的初步融合并得到了室内环境的初步SLAM结果。 (2)为进一步解决系统数据噪声大，数据范围小及数据精度低等问题，本文采用多RGB-D传感器融合的手段，结合Graph-SLAM算法优化环境重构结果，并提出了一种基于RGB-D数据的多传感器标定与优化算法。 (3)通过将SLAM得到的环境重构数据与传感器的重力加速度计数据相结合，可降维计算得到二维环境地图。在此基础上，应用滤波算法与改进的A*导航算法，本文实现了基于RGB-D数据的室内导航。 (4)为进一步提高系统在室内环境的适应能力，本文在深入分析人体深度数据与颜色数据的基础上，提出了一套特定与非特定人体跟踪的方法，实现了人体数据的识别，跟踪。结合室内导航系统的路径规划方法，即可实现室内环境的动态避障与人体追随。 课题得到了国家自然科学基金项目“No.61075110”的资助，取得的研究成果对降低移动机器人的导航系统成本及拓展移动机器人的应用范围具有较大的意义。