與人共存環(huán)境下服務(wù)機(jī)器人定位導(dǎo)航技術(shù)研究及應(yīng)用.pdf

1、服務(wù)型移動機(jī)器人實現(xiàn)與人和諧共處的導(dǎo)航及服務(wù)，既需要提高機(jī)器人在人的未知運動干擾情況下定位導(dǎo)航方法的準(zhǔn)確性和可靠性，又需要賦予導(dǎo)航行為對人的自然友好性；而機(jī)器人本體對人和外界環(huán)境有限的感知能力制約了其導(dǎo)航與服務(wù)性能的提升。論文針對人機(jī)共存的半結(jié)構(gòu)化動態(tài)室內(nèi)環(huán)境，深入研究了借助分布式感知的輪式移動機(jī)器人高性能定位和對人安全友好導(dǎo)航控制等方法和關(guān)鍵技術(shù)，實現(xiàn)了家庭智能環(huán)境下的服務(wù)機(jī)器人典型應(yīng)用系統(tǒng)。
　　 論文首先針對機(jī)器人與全局監(jiān)

2、控攝像機(jī)組成的分布式視覺系統(tǒng)，提出了基于視覺特征的目標(biāo)人快速檢測與實時跟蹤方法。將圖像中人的輪廓特征用多尺度-多形狀方向梯度直方圖表達(dá)，采用機(jī)器學(xué)習(xí)法訓(xùn)練級聯(lián)分類器實現(xiàn)人的快速檢測，繼而提取目標(biāo)人的表觀混合統(tǒng)計特征作為相似度量，采用自適應(yīng)粒子濾波器對其連續(xù)地跟蹤。算法對光照變化、背景混雜及人姿態(tài)變化等干擾具有一定魯棒性，并降低了計算復(fù)雜度。將其用于服務(wù)環(huán)境下運動目標(biāo)人的自動檢測跟蹤，實驗驗證了較高的準(zhǔn)確率和實時性。
　　 為增強

3、復(fù)雜動態(tài)室內(nèi)環(huán)境下移動機(jī)器人自主定位導(dǎo)航的可靠性，提出了具有較高魯棒性的擴(kuò)展重采樣Monte Carlo定位算法（ER-MCL），提高了環(huán)境部分變化和機(jī)器人被綁架兩類未建模動態(tài)事件下的機(jī)器人全局定位魯棒性；提出了改進(jìn)的安全避碰導(dǎo)航控制算法，有效解決了對人和障礙物的快速平滑避碰。ER-MCL算法根據(jù)樣本分布信息熵分析、過收斂檢測與均勻性檢測過程，選擇適時引入新的馬爾可夫鏈Monte Carlo（MCMC）重采樣策略，克服了有效觀測減少時粒

4、子濾波器普遍存在的樣本貧乏缺點。導(dǎo)航算法利用人的檢測和機(jī)器人自定位結(jié)果，結(jié)合柵格全局路徑規(guī)劃與改進(jìn)的平滑ND避障算法實現(xiàn)避碰導(dǎo)航。實驗驗證了在動態(tài)擁擠環(huán)境下機(jī)器人自主定位導(dǎo)航的高精度與魯棒性。
　　 針對人機(jī)共處運動情況下基于地圖的同時機(jī)器人定位與人位置跟蹤問題（SLAP），提出了分布式感知協(xié)作的Rao-Blackwellized粒子濾波方法（RBPF），在機(jī)器人車載傳感器自身位姿未知情況下實現(xiàn)了精確的人-機(jī)全局位置聯(lián)合估計，增

5、強了機(jī)器人定位的抗動態(tài)干擾能力。算法將聯(lián)合概率密度函數(shù)進(jìn)行分解以降低計算復(fù)雜度，在感知更新過程中融合機(jī)器人激光測距與全局視覺兩種異質(zhì)觀測以加快迭代收斂，并采用Unscented卡爾曼濾波器（UKF）進(jìn)行人的條件位置跟蹤以提高精度。實驗驗證了該方法比條件粒子濾波算法（CPF）提高了計算效率，比單傳感器的SLAP方法則加速了全局不確定性收斂過程。
　　 為賦予機(jī)器人導(dǎo)航行為對人的自然友好特性，提出了以預(yù)測人運動趨勢的主動避讓禮節(jié)為核

6、心的機(jī)器人友好導(dǎo)航機(jī)制與實現(xiàn)方法，改善了機(jī)器人與人和諧共處的導(dǎo)航性能。機(jī)器人禮讓導(dǎo)航方法將室內(nèi)人的運動模式識別與運動估計相結(jié)合，預(yù)測人機(jī)相遇沖突情況，采用部分可觀的馬爾可夫決策過程（POMDP）對機(jī)器人的多種避讓措施進(jìn)行概率決策，提高了多源不確定性條件下避讓控制的可靠性。進(jìn)一步論述了符合人類社會習(xí)慣的機(jī)器人友好導(dǎo)航方法。實驗驗證了該方法比機(jī)械地避碰導(dǎo)航方式既提高了機(jī)器人導(dǎo)航效率，又能確保人的安全舒適感。
　　 將上述方法用于構(gòu)建