复杂环境移动机器人多传感器融合SLAM研究.pdf
《复杂环境移动机器人多传感器融合SLAM研究.pdf》由会员分享,可在线阅读,更多相关《复杂环境移动机器人多传感器融合SLAM研究.pdf(6页珍藏版)》请在咨信网上搜索。
1、【108】第45卷 第08期 2023-08收稿日期:2022-04-02作者简介:唐元文(1997-),男,江西赣州人,硕士研究生,研究方向为机器人技术。通讯作者:刘祚时(1963-),男,江西永新人,教授,硕士,主要从事智能机器人技术、矿山设备自动化方面的研究工作。复杂环境移动机器人多传感器融合SLAM研究Research on multisensor fusion SLAM for mobile robots in complex environments唐元文,刘祚时*TANG Yuan-wen,LIU Zuo-shi*(江西理工大学 机电工程学院,赣州 341001)摘 要:室内复杂
2、环境下单一传感器移动机器人SLAM误差较大,效果较差,对此,提出一个融合多种传感器的三维RTAB-Map SLAM方案。首先在ROS系统中仿真环境,并通过里程计仿真与SLAM仿真验证该方案的可行性。在仿真的基础上进行SLAM实验,通过对比实验结果验证采用优化协方差矩阵的EKF融合里程计数据能够提升SLAM效果。实验结果表明,优化协方差矩阵的EKF融合里程计能够减少RTAB-Map SLAM中的错误点云的同时提升SLAM精度。关键词:移动机器人;SLAM;RF2O;EKF;RTAB-Map中图分类号:TP242 文献标志码:A 文章编号:1009-0134(2023)08-0108-050 引言
3、SLAM(Simultaneous Localization and Mapping,同时定位与地图构建),其具体指的是搭载特定传感器的主体在没有环境先验信息的情况下,于运动过程中建立环境的模型,同时估计自身的运动1。SLAM最早在1988年由Smith1,2等人提出,发展至今已有30余年3。扩展卡尔曼滤(Extended Kalman Filter,EKF)4是最早被采用的SLAM方法,目前也是最为广泛采用的SLAM方法之一,由Smith等人提出。Thrun5等人提出基于蒙特卡洛方法的粒子滤波(Particle Filter)解决SLAM问题。随着研究的深入,Thrun等人开发了基于稀疏扩展
4、信息滤波的高效SLAM方法SEIF6。Lu和Milios在1997提出了图优化SLAM(Graph-SLAM)7基本思路为通过传感器观位姿之间的软约束,在图优化过程中校正移动机器人的位姿以便最小化地图中的错误。由于搭载单个传感器的移动机器人在复杂环境中SLAM有着过于依赖单一传感器、感知环境方式单一等缺点,因此采用多传感器在复杂环境8中SLAM是目前机器人研究领域的研究热点之一。文献9提出基于扩展卡尔曼滤波和互补融合的组合数据融合方法,但是欠缺三维地图构建。文献10提出一种不依赖轮式里程计数据的多传感器融合定位算法,融合IMU与RF2O激光里程计数据,可以提升定位精度,但是没有计算RF2O的里
5、程计协方差矩阵,提升到更高的精度。对于上述问题,本文在ROS机器人控制系统中,通过扩展卡尔曼滤波融合传统的轮式里程计与基于范围流的RF2O激光里程计对进行定位,并在融合过程中改进激光里程计数据的协方差矩阵,增加精度较高的激光里程计在EKF中的影响,进而提升定位精度,并通过这些里程计估计的移动机器人位姿,进行RTAB-Map SLAM仿真与实地实验,对SLAM结果进行分析,验证了RF2O激光里程计的高精度与改进协方差后EKF所融合的里程计数据对RTAB-Map SLAM性能的增强。1 移动机器人同时定位与地图构建大部分SLAM都需要外部输入里程计提供位姿估计,本章对论文所采用的里程计与SLAM算
6、法进行介绍。1.1 轮式里程计轮式里程计是成本最低的一种里程计,通常由编码器获取底盘各个车轮的角速度进而求出移动机器人的运动状态。图1 移动机器人轮式里程计设 世 界 坐 标 系 下 移 动 机 器 人 位 移 第 i 个 位 姿 为Si=xi,yi,iT,移动机器人在机器人坐标系下的位移为xi 第45卷 第08期 2023-08【109】yi iT,轮式里程计估算下一个位姿Si+1=xi+1,yi+1,i+1T:111cossin0sincos0001iiiiiiiiiiiiixxxyyy+=+(1)将移动机器人的运动看作一个逐步累加的过程,当i=n时,移动机器人的位姿为:111111cos
7、sinsincosnniiiiinniiiiinniixxxyyyxy=+=+=+(2)1.2 激光里程计RF2O(Range Flow-based 2D Odometry)11是一种根据激光传感器连续范围扫描来估计其平面运动的方法。图2 RF2O激光里程计如图所示,假设R(t,)为激光范围扫描,其中t是时间,0,N)R是激光扫描坐标,N是该激光扫描的长度。任意点P在激光雷达坐标系的极坐标为(r,),与点P的角坐标直接相关的扫描坐标可以以如下公式表达:11122NNNkFOV=+=+(3)其中FOV为扫描的范围。对于移动机器人的速度估计,R2FO根据范围流约束方程12,提出激光雷达的速度约束方
8、程:(),sincoscossinsincos0 x sy sstR kR kvvrrxyR kR+=(4)其中R和Rt为极坐标中r对角度和时间t的偏导,x、y、vx,s、vy,s和s分别表示激光雷达x轴和y轴上的坐标、x轴和y轴上的速度和激光雷达在平面上的角速度。1.3 EKF融合里程计信息k-1时刻里程计数据输入的位姿估计列向量为xk-1=xk-1,yk-1,0,0,0,k-1T,对应二维平面上的x轴、y轴上的坐标以及航向角,预测的卡尔曼滤波状态与协方差矩阵为:1 kkkxF x=(5)1kkTkkkPF PFQ=+(6)其中Fk为状态转移矩阵,Pk-1为协方差矩阵,Qk为噪声协方差矩阵。
9、计算k时刻对应的卡尔曼增益Kk:()1TTKkkKkkKP HH P HR=+(7)其中Hk是将状态值转换为测量值的转换矩阵。计算最优状态向量与协方差:()kkkkkxxKzH x=+(8)kkkkPPK H P=(9)更新卡尔曼滤波状态,将计算得的最优状态向量xk设为下一次计算中的xk-1,对协方差矩阵Pk也进行相同的步骤。在下次计算中使用另一个里程计估计的位姿预测卡尔曼滤波状态。其步骤可总结如下:1)通过里程计数据对卡尔曼滤波状态进行预测;2)计算卡尔曼增益并计算最优状态向量与协方差;3)更新卡尔曼滤波器状态,回到步骤1)选用另一个里程计数据进行计算。里程计数据中,协方差矩阵表示里程计数据
10、的不确定性。RF2O激光里程计有着较高的精度,因此直接使用默认的里程计协方差矩阵将会降低最终的定位精度,需要截取部分激光里程计数据,求对应的协方差矩阵。激光里程计输出的位姿信息的频率由激光雷达频率决定,从记录的激光里程计数据中截取对应激光雷达频率的数量的位姿信息。设里程计数据中截取n个数据,转化为n个66矩阵Xi:iiiiiiixyzX=(10)其中xi,yi,zi,i,i和i分别代表x轴,y轴z轴上的位置,横滚角,俯仰角和偏航角。计算该组数据的协方差:111111TnnniiiiiiiPXXXXnnn=(11)1.4 RTAB-Map SLAM算法本文所采用的RTAB-Map(Real-Ti
11、me Appearance-Based Mapping)13是一种基于图优化的SLAM算法,由其作者在2013年提出并在2018年扩展14,支持使用者采用多种传感器同时进行视觉与激光雷达SLAM15。本文采用的RTAB-Map框架如图3所示,输入RGBD图像、激光雷达数据与里程计数据,输出优化后的移动机器人运动轨迹、地图数据、优化后的TF变换、三维点云地图和二维栅格地图。【110】第45卷 第08期 2023-08RTAB-Map的工作流程为:1)将输入数据同步。对于输入的数据不总是以相同的速率和准确的时间输入,RTAB-Map会同步输入数据的帧速率。图3 RTAB-Map SLAM流程2)生
12、成局部三维点云地图与局部二维栅格地图。RTAB-Map对RGBD图像使用块匹配算法(block matching algorithm)16生成点云。激光雷达观测数据里的每一束光线生成占用网格,由所有生成的占用网格组成二维栅格地图。3)回环检测与闭环检测。RTAB-Map提取RGBD图像中的特征点并将其转换为视觉词汇表,根据词汇签名生成定位点进行回环检测,以此检测移动机器人是否在已经构建地图的区域。RTAB-Map通过激光扫描进行接近检测定位与当前位置环境相似的区域,同样检测移动机器人是否在先前建图的区域。4)图优化。当回环检测和接近检测触发时,RTAB-Map以图优化的方法最小化地图中的错误。
13、RTABMap集成了三种图优化方法:基于树的网络优化器(TORO)、图优化通用框架(g2o)和GTSAM。5)全局地图拼接。全局地图由局部地图拼接而成,RTAB-map将局部地图转换为对应位姿。当回环检测和接近检测触发时,局部地图由新的优化后位姿组成全局地图。2 里程计与SLAM仿真2.1 里程计仿真通过Gazebo仿真平台追踪虚拟移动机器人的部件获取里程计真值,在仿真中通过ROSBag对信息进行记录。采集采用Gazebo运动插件中的轮式里程计与RF2O激光里程计做出位姿估计,与此同时使用扩展卡尔曼滤波融合两个里程计信息估计移动机器人位姿。通过evo SLAM评估工具绘出里程计所估计的轨迹,并
14、以里程计真值作为参考轨迹评估其精度,如图4与表1所示。(a)轮式里程计轨迹 (b)激光里程计轨迹 (c)融合里程计轨迹 (d)改进协方差矩阵融合里程计图4 里程计估计轨迹与机器人实际轨迹表1 里程计估计轨迹精度评估平均误差均方根误差方差轮式里程计0.3389010.36226864.437806激光里程计0.1984730.1181136.863711融合里程计0.2917060.31358483.289785改进融合里程计0.1884790.1339068.821920 根据图4和表1,分析四种里程计数据在Gazebo仿真平台中的估计轨迹与误差。改进的融合里程计有着最高的精度,其平均误差为0
15、.188479,而轮式里程计信息误差最高,其平均误差为0.338901。分析其原因,轮式里程计容易积累误差,误差偏大,而激光雷达精度较高,不容易累积误差。改进的激光里程计协方差矩阵后能够正确地表示里程计数据的不确定度,激光里程计因为更低的不确定度对融合的轨迹影响更大。2.2 SLAM仿真通过Gazebo仿真平台构建如图5所示的物理环境。分别采用4种里程计数据进行RTAB-Map SLAM测试,在RVIZ机器人可视化平台中实时记录SLAM结果(如图6所示),验证这些里程计数据用于同时定位与地图构建的可行性。图5 仿真实验物理环境 (a)轮式里程计SLAM (b)激光里程计SLAM第45卷 第08
16、期 2023-08【111】(c)融合里程计SLAM (d)改进融合里程计SLAM图6 SLAM仿真结果根据图6,四种里程计数据都能够用于RTAB-Map SLAM。由于激光里程计输出位姿估计频率较低,导致采用激光里程计的SLAM结果中存在错误位置的点云。3 SLAM实地实验本文在真实场景中使用实体移动机器人实验平台进行测试,排除理想情况对SLAM的影响,如:仿真中,编码器没有误差;激光雷达测量精度不受距离影响,其输出频率恒定,不受机械结构影响;RGBD相机获得的RGB图像和深度图像完美配准,没有畸变效应等。本文在真实的环境中使用实验室的移动机器人实验平台,研究四种里程计在实际情况下的SLAM
- 配套讲稿:
如PPT文件的首页显示word图标,表示该PPT已包含配套word讲稿。双击word图标可打开word文档。
- 特殊限制:
部分文档作品中含有的国旗、国徽等图片,仅作为作品整体效果示例展示,禁止商用。设计者仅对作品中独创性部分享有著作权。
- 关 键 词:
- 复杂 环境 移动 机器人 传感器 融合 SLAM 研究
1、咨信平台为文档C2C交易模式,即用户上传的文档直接被用户下载,收益归上传人(含作者)所有;本站仅是提供信息存储空间和展示预览,仅对用户上传内容的表现方式做保护处理,对上载内容不做任何修改或编辑。所展示的作品文档包括内容和图片全部来源于网络用户和作者上传投稿,我们不确定上传用户享有完全著作权,根据《信息网络传播权保护条例》,如果侵犯了您的版权、权益或隐私,请联系我们,核实后会尽快下架及时删除,并可随时和客服了解处理情况,尊重保护知识产权我们共同努力。
2、文档的总页数、文档格式和文档大小以系统显示为准(内容中显示的页数不一定正确),网站客服只以系统显示的页数、文件格式、文档大小作为仲裁依据,平台无法对文档的真实性、完整性、权威性、准确性、专业性及其观点立场做任何保证或承诺,下载前须认真查看,确认无误后再购买,务必慎重购买;若有违法违纪将进行移交司法处理,若涉侵权平台将进行基本处罚并下架。
3、本站所有内容均由用户上传,付费前请自行鉴别,如您付费,意味着您已接受本站规则且自行承担风险,本站不进行额外附加服务,虚拟产品一经售出概不退款(未进行购买下载可退充值款),文档一经付费(服务费)、不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。
4、如你看到网页展示的文档有www.zixin.com.cn水印,是因预览和防盗链等技术需要对页面进行转换压缩成图而已,我们并不对上传的文档进行任何编辑或修改,文档下载后都不会有水印标识(原文档上传前个别存留的除外),下载后原文更清晰;试题试卷类文档,如果标题没有明确说明有答案则都视为没有答案,请知晓;PPT和DOC文档可被视为“模板”,允许上传人保留章节、目录结构的情况下删减部份的内容;PDF文档不管是原文档转换或图片扫描而得,本站不作要求视为允许,下载前自行私信或留言给上传者【自信****多点】。
5、本文档所展示的图片、画像、字体、音乐的版权可能需版权方额外授权,请谨慎使用;网站提供的党政主题相关内容(国旗、国徽、党徽--等)目的在于配合国家政策宣传,仅限个人学习分享使用,禁止用于任何广告和商用目的。
6、文档遇到问题,请及时私信或留言给本站上传会员【自信****多点】,需本站解决可联系【 微信客服】、【 QQ客服】,若有其他问题请点击或扫码反馈【 服务填表】;文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“【 版权申诉】”(推荐),意见反馈和侵权处理邮箱:1219186828@qq.com;也可以拔打客服电话:4008-655-100;投诉/维权电话:4009-655-100。