一种蛇形机器人基于激光测距仪的地图创建方法
【专利摘要】本发明公开了一种蛇形机器人基于激光测距仪的地图创建方法，包括：启动蛇形机器人和激光测距仪，随着蛇形机器人的运动，激光测距仪实现对环境信息的采集，并对采集的激光数据进行预处理；进行地图初始化，将当前的激光的测量值与当前的地图进行匹配；用Monte-Carlo算法对机器人粒子集的粒子位姿及权值进行更新，计算机器人粒子集概率中心位姿；用改进的Bresenham算法进行地图的更新。本发明具有算法简单易懂、计算简单准确度高，适用于快速移动的机器人的优点。
【专利说明】一种蛇形机器人基于激光测距仪的地图创建方法
【技术领域】
[0001] 本发明属于移动机器人地图创建【技术领域】，特别涉及一种基于激光测距仪在未知 环境中的地图创建方法。
【背景技术】
[0002] 移动机器人通常是基于环境地图才能够实现定位和导航，所以地图创建是研究移 动机器人的一个基本问题。SLAM问题在智能移动机器人领域的重要性受到了广泛的关注， 出现了许多较为成熟的理论和实现方法。目前有很多针对SLAM问题的研究，SLAM常见的 算法有EKF-SLAM算法、FastSLAM算法、DP-SLAM算法等。
[0003] 基于EKF-SLAM的算法在不确定信息的表达上非常简洁和高效，它采用一个 多维的高斯模型
【权利要求】
1. 一种蛇形机器人基于激光测距仪的地图创建方法，其特征在于，包括以下步骤： 步骤（1):通过激光测距仪进行环境感知，获取环境信息； 步骤（2):将当前激光测距仪的测量值与当前地图进行匹配； 步骤（3):对机器人粒子集的粒子位姿及权值进行更新； 步骤（4):进行地图更新。
2. 根据权利要求1所述的一种蛇形机器人基于激光测距仪的地图创建方法，其特征在 于：所述激光测距仪为测距范围20mm到4000mm的URG04-LX激光测距仪，该激光测距仪的 最大测量距离小于4m;采用阈值滤波方法对扫描的激光数据进行预处理滤除噪声点；并采 用一个恒定的纵向和转速值对每次激光扫描值进行纠正。
3. 根据权利要求1所述的一种蛇形机器人基于激光测距仪的地图创建方法，其特征在 于：所述激光测距仪每一次扫描完后，会将观测值与当前地图中的特征点进行匹配；当与 环境中的特征点较远时，采用最近邻数据关联准则，选取距离观测值最近的环境路标作为 其匹配点；环境特征点间的距离相距越远，误匹配率越低，当误匹配率小于最大匹配误差阈 值时，认为匹配成功。
4. 根据权利要求1所述的一种蛇形机器人基于激光测距仪的地图创建方法，其 特征在于：步骤（3)所述的对机器人粒子集的粒子位姿及权值进行更新，采用的是 Monte-Carlo算法；每次机器人感知完环境后这些粒子会重新采样；算法结束时，粒 子会收敛于机器人的实际位置；在每个时刻，由初始状态和到当前时刻所有的测量值 # = {Ζ,.,?=1..*}估计当前机器人的状态。
5. 根据权利要求4所述的一种蛇形机器人基于激光测距仪的地图创建方法，其特征在 于：所述Monte-Carlo算法包含3个阶段： 预测阶段：预测阶段用运动模型以概率密度函数的形式来预测当前机器人的位姿；假 设当前的状态％ 仅依赖于之前的状态JCm 和已知的控制输入，该运动模型 被认定为条件密度#(? ，对于一阶马尔可夫过程，先验概率密度就可以通过 积分得到
更新阶段：预测阶段用测量模型整合传感器的信息来获得后验概率密度IZl;假定对于Xt 测量值Z4 与之前的测量值Zw是条件独立的；测量模型以似然 函数JJ(ZtUt)的形式给出，这种形式表示在观测值Z1 的情况下，机器人在Xi 的可能性；通过贝叶斯公式更新先验值，得到后验概率密度
i- / 重采样阶段：重采样的目的是剔除权值较小的粒子，复制权值较大的粒子，通过对后 验概率密3
再采样 次，得到新的粒子。
6.根据权利要求1所述的一种蛇形机器人基于激光测距仪的地图创建方法，其特征在 于：步骤（4)所述的地图更新方法采用的是改进的Bresenham算法，只采用整数运算，避免 了除法运算和浮点数运算，降低了算法复杂度，提高了计算速度。
【文档编号】G01C21/20GK104236551SQ201410510657
【公开日】2014年12月24日 申请日期:2014年9月28日 优先权日:2014年9月28日
【发明者】王超杰, 赵旭, 苏中, 连晓峰 申请人:北京信息科技大学, 北京理工大学