logo

您所在位置网站首页 > 海量文档  > 企划文宣(应用文书) > 业务分析

左辛凯:一种基于拓扑骨架网络的室内机器人自主探索方案.pptx 33页

本文档一共被下载: ,您可全文免费在线阅读后下载本文档。

  • 支付并下载
  • 收藏该文档
  • 百度一下本文档
  • 修改文档简介
全屏预览

下载提示

1.本站不保证该用户上传的文档完整性,不预览、不比对内容而直接下载产生的反悔问题本站不予受理。
2.该文档所得收入(下载+内容+预览三)归上传者、原创者。
3.登录后可充值,立即自动返金币,充值渠道很便利
特别说明: 下载前务必先预览,自己验证一下是不是你要下载的文档。
  • 上传作者 1984kelu(上传创作收益人)
  • 发布时间:2019-06-08
  • 需要金币385(10金币=人民币1元)
  • 浏览人气
  • 下载次数
  • 收藏次数
  • 文件大小:90.63 MB
下载过该文档的会员
你可能关注的文档:
室内机器人自主探索方案 一种基于拓扑骨架网络的 报告人:左辛凯 导 师:李 霖 武 汉 大 学 资源与环境科学学院 目录 1. 研究背景 和意义 研究背景 移动机器人相关理论与技术 -- 硬件方面:处理器、传感器 -- 软件方面:SLAM技术、计算机视觉、智能决策算法 研究意义 为智能机器人实现自主导航和移动提供一种新的思路 -- 基于拓扑地图的空间认知方式更符合人类对室内环境的认知方式 -- 更有利于提取较高层次的语义信息 满足大型建筑物在应急救灾和测绘等方面的需求 -- 危害气体泄漏等灾后救援工作 -- 建筑工程验收等快速测绘作业 01 02 2. 研究现状 研究现状 SLAM技术与室内环境建模 -- 同时定位与地图构建,利用激光扫描仪或深度相机进行定位与环境建模 -- 粒子滤波GMAPPING、图优化Google Cartographer、图优化ORB-SLAM等 -- 传感器往往通过手持、背包或搭载到遥控机器人平台上来采集数据,缺乏主动性 01 研究现状 关于室内移动机器人自主导航的研究仍处于发展阶段 -- 依赖激光SLAM算法提供环境地图,一般是占据栅格地图(Occupancy Grid Map, OGM) -- 早期的方案着重于研究遍历规则(随机探索、迷宫问题、邮递员问题、旅行家问题) 02 研究现状 基于穷尽Frontier的方法是目前主流 -- 易于理解,实现起来不复杂 -- 在没有任何先验知识的情况下,能够保证很高的探索覆盖率 -- 候选点过于单一 -- 路径查找消耗极大,且路径质量不佳,尤其是在大规模场景下 -- 是一种贪婪遍历方法,无法保证效率且难以修改和扩展 03 研究现状 如何利用拓扑地图进行导航与探索已成为研究热点 04 Generalized Voronoi Diagram Topological Graph Collision-free Nav Path 3. 基于GVD的 解决方案 整体框架 01 从OGM构建GVD拓扑网络 02 一种改进的KMM细化算法 -- 思路直观,易于理解,实现简单 -- 计算复杂度O(N),可并行 -- 保证GVD连续、单像素宽度 从OGM构建GVD拓扑网络 02 OGM GVD GVG MCDM多标准决策与采用的特征 03 Potential Information Gain Length of Global Path Coverage 4. 实验 环境 01 -- 机器人控制、传感器数据传输使用MRPT库 -- SLAM采用GMAPPING -- 机器人模型P3-AT搭载HOKUYO UTM30LX -- 室内环境仿真平台Aria MobileSim -- 点云获取仿真平台Blensor -- 图像处理库OpenCV -- Win7,64bit,VisualStudio2013,C++ 拓扑网络构建 02 02 方法 环境1 环境2 环境3 改进KMM 最快 256 412 427 最慢 280 418 435 均值 265 416 430 GVD长度 4879 11553 7415 节点数 27 161 98 Zhang-Suen 最快 1181 1366 1280 最慢 1209 1435 1332 均值 1193 1389 1301 GVD长度 6136 19870 11794 节点数 35 514 435 形态学方法 最快 2537 3010 2148 最慢 2689 3091 2195 均值 2588 3063 2174 GVD长度 8790 18925 13415 节点数 44 634 519 点云采集仿真 03 点云采集任务仿真 03 点云采集任务仿真 03 03 5. 总结与展望 总结与展望 基于GVD的自主探索方法的特点 -- 极大提升路径查找效率 -- 可扩展性强 -- GVD体现出了空间的总体结构特征,有利于提取高层次语义信息 -- GVG对陌生空间描述更接近于人类思维,是一种更智能的探索方案 01 总结与展望 研究展望 -- 在真实机器人平台上实现自主探索 -- 发展在三维点云下,基于三维GVD的自主探索方案 -- 研究如何利用GVD提取高层次语义信息 02 谢谢!

发表评论

请自觉遵守互联网相关的政策法规,严禁发布色情、暴力、反动的言论。
用户名: 验证码: 点击我更换图片

?2010-2013 www.terrancehomes.com在线文档投稿赚钱网. All Rights Reserved 蜀ICP备08101938号