資源描述：
《多機器人協同定位與環(huán)境地圖的構建地地研究》由會員上傳分享，免費在線閱讀，更多相關內容在學術論文-天天文庫。
1、摘要摘要隨著機器人技術發(fā)展和成熟，機器人的的應用和需求也與日俱增。自定位與地圖構建是實現機器人自主導航的關鍵問題，集中體現了移動機器人的感知能力和智力水平。與單移動機器人定位相比，在復雜的動態(tài)環(huán)境下，多移動機器人通過相互協作可以共享、融合并有效利用傳感器信息，提高對周圍環(huán)境感知的全面性和準確性，從而提高了機器人群體的定位與地圖構建的精度。多機器人協同定位與地圖構建已經成為了當前多機器人系統(tǒng)領域的研究熱點之一。本文主要圍繞了多移動機器人協同定位與環(huán)境地圖構建問題展開研究。論文首先介紹了多機器人協作系統(tǒng)的結構以及相關模型，包括坐標系統(tǒng)模型、機器人位置模型、機器人運
2、動模型、環(huán)境地圖表示模型、傳感器觀測模型、多機器人觀測模型以及噪聲模型。其次，研究了卡爾曼濾波算法、擴展卡爾曼濾波器算法以及用其解決機器人SLAM問題的實現過程。針對系統(tǒng)模型與環(huán)境信息的不確定性特點，利用對非線性函數具有很好逼近能力的前向神經網絡減少系統(tǒng)的數學模型與實際模型誤差，同時利用卡爾曼濾波用于神經網絡的權值學習以加速收斂，通過兩者的聯合，能較優(yōu)地解決機器人SLAM問題，隨后將它擴展到多機器人的SLAM問題中。第三，在研究了粒子濾波器算法和機器人的FastSLAM方法的基礎上，引入蟻群算法，將每一個粒子視為一只螞蟻，將位姿的概率分布值作為蟻群的啟發(fā)信息，
3、將權重作為蟻群的初始信息素，在重采樣階段，也使用蟻群算法產生新的粒子分布。引入蟻群算法目的在于在狀態(tài)解空間內尋找到最優(yōu)的粒子，提高機器人定位與建圖的精度，并將其用于多移動機器人在初始位置已知和未知情況下的協同定位與地圖構建(CSLAM)問題。最后，為了驗證算法的有效性和J下確性，相對應于第三章所提出的擴展卡爾曼濾波聯合神經網絡的方法和第四章提出的蟻群算法改進粒子濾波器方法，建立起多機器人系統(tǒng)的模擬仿真實驗。通過仿真實驗表明，本文所研究算法能有效地解決多機器人協同定位與地圖構建問題。關鍵詞：多機器人；協同定位；環(huán)境地圖構建；擴展卡爾曼濾波；粒子濾波器廣東工業(yè)大學
4、碩士學位論文ABSTRACTWiththedevelopmentandmaturationofthetechnologyofrobot，theapplicationsanddemandsofRobotIndustryareincreasing．LocalizationandMappingarethekeyissuesofachievingautonomousnavigation，embodyingtheperceptionabilityandintellectuallevelofthemobilerobot．Comparedwiththelocalizatio
5、nofthesinglerobot，undercomplexanddynamicenvironment，multi-robotsmayshareandintegrateandalsomakeuseoftheinformationofsensorsthroughinteraction，whichimprovesthecomprehensivenessandaccuracyofperceptionforsurroundingenvironment，andSOimprovestheaccuracyoflocalizationandmappingofrobots．Re
6、cently,multi—robotcooperativelocalizationandmapbuildinghasbecomeoneoftheresearchfocusinthefieldofmulti-robotsystem．Thispapermainlyfocusontheresearchoftheissuesofcooperativelocalizationandmapping．Firstly,thispaperintroducesthestructureofmulti-robotcooperativesystemandrelatedmodelswhi
7、chincludecoordinatesystemmodel，robotlocalizationmodel，robotmotionmodel，EnvironmentalMapRepresentationModel，single(multi-)robotobservationmodel，environmentalnoisymodelandsensormodel．Secondly,studiedtheKalmanfilterandextendedKalmanfilteralgorithm,anduseittosolvetheproblemoftheimplemen
8、tationofSLAMofrobot
