研究复习参考基于粒子滤波的移动机器人定位及路径优化问题

民族神话 鸿蒙未辟 宇宙洪荒 亿万斯年 四极不张

基于粒子滤波的移动机器人定位及路径优化问题研究

范利春

信息与电气工程学院 电气工程与自动化2005-10班

指导教师：李明

摘 要：首先研究了基于粒子滤波算法的移动机器人自定位问题，建立了机器人的粒子滤波定位模型，实现了机器人依据激光测距仪的自定位。其次针对复杂未知环境地图，提出了骨架提取算法，将二维平面地图转化为骨架图，结合A*搜索算法进行路径的选择并引入微粒群算法对机器人路径进行优化，解决了复杂未知地图的路径规划及优化问题。最后在仿真环境中对上述方法进行了实验。

关键词：移动机器人； 粒子滤波； 路径规划； 骨架提取

1引言

传统的局部规划的方法强调避碰行为，虽实时性好，但是由于缺乏规划而丧失优化的优点。如人工势场法，不仅不容易找到最优路径，并且容易陷入局部陷阱中。全局规划的智能方法强调在可行路径中找最优的路径，前提是能够很容易找到可行解，这样对环境的要求就很高，不适合复杂环境的求解。如微粒群算法，当他们在复杂环境中，可行解的空间非常小，这样它们很难有粒子到达目标。而在未到达目标之前，无法写出其适应度函数，这就限制了微粒群算法在复杂地图中的路径直接求解。

传统的方法都是在没有给出建议路径的情况下进行规划的，因此会遇到以上问题的限制。由于机器人的运行环境往往是全局已知，部分未知的，如果能够根据全局地图给出建议路径，然后在建议路径的基础上应用优化算法进行优化就能够得到机器人的优化路线。机器人在实际运行过程中会沿着建议路径走，并且会不断的更新地图，然后算法依据机器人当前获得的地图重新进行规划，保证机器人能够避过规划图以外的障碍物，成功到达目的地。本文根据这种思想，针对复杂地图进行路径规划和优化。

2基于粒子滤波的定位算法

定位是移动机器人路径规划的基本环节，粒子滤波是从概率论的角度出发，利用概率演算来明确的描述机器人的位置，能够精确描述机器人的不确定性。 2.1系统模型

机器人的每一运动周期，位姿变化模型如图1所示：

Y(xt,yt)30?t?t?1(xt?1,yt?1)?t?1?t?14075X

图1 移动机器人的运动模型

移动机器人在转

度，向前行移动

时刻的位姿为，并接受到控制命令：向右

米。根据移动机器人坐标变换，在时刻到达的位姿状

态为：

（1）

移动机器人的概率运动模型利用随机变量来表示移动机器人运动过程中的不确定性信息……

·

· · · · ·

5结论

建立了器人的概率运动模型、地图模型、传感器模型和粒子观测模型，系统地实现了基于粒子滤波算法的移动机器人自定位方法；并深入讨论了影响该算法性能的一些因素，如粒子数目和重采样方法等。

提出了骨架提取算法，将二维平面转化为可行路径，解决了二维平面地图的一般路径规划问题。针对骨架提取算法获得的路径，本文应用了A*算法进行搜

索，找到连通起始点和终止点的路径，并再次引入智能进化算法——微粒群算法进行优化，使得二维路径规划及优化问题得到了较好的效果，并且用仿真实验证明算法的有效性。

骨架提取算法还存在很多问题，本文中提到的骨架提取算法，应用的滤波器是

的，如果能够用

的滤波器，效果将会更佳，但这样就会使算法更加

复杂，具体细节还有待进一步讨论。

参考文献

[1] 蔡自兴.机器人学.北京：清华大学出版社，2000，2-3，6-7

[2] Sebastian Thrun， Dieter Fox，Wolfram Burgard. Probabilistic Robotics. Cambridge，MA： The MIT Press. 2005

[3] 徐元昌.工业机器人.北京：中国轻工业出版社，1998，9-11 [4] 孙富春.机器人学导论.北京：电了工业出版社，2002，12-13

[5] 赵先章.一种基于粒子群算法的移动机器人路径规划方法，计算机应用研究，2007 [6] 刘京京.多目标遗传优化及其在机器人路径规划中的应用(硕士学位论文).南京：南京理工大学，2007

[7] 王帅.基于强化学习算法的井下移动机器人路径规划，电气技术，2008 [8] 黄炳强.基于模糊控制器的机器人路径规划研究，测控技术，2007

[9] 张彦.完全未知环境下机器人路径规划的RPC 算法，计算机工程与应用，2007

[10] Qussama Khatib， Mobile Robots. Real-Time Obstacle Avoidance for Manipulators and Proc

of The 1994 IEEE

[11] Cody Kwork， Dieter Fox， Marina Meila. Adaptive Real-time Particle Filters for Robot

Localization. Proc. of the IEEE International Conference on Robotics and Automation (ICRA)， 2003

[12] 袁泽剑，郑南宁，贾新春.高斯-厄米特粒子滤波器.电子学报，Vol. 31， No. 7， 2003. 7 [13] 王宝安，卢焕章.粒子滤波器及其在目标跟踪中的应用.雷达科学与技术，Vol. 1，No. 3，

2003.10

[14] 莫以为，肖德云.基于进化粒子滤波器的混合系统故障诊断.控制与决策，Vol. 19， No. 6，

2004.6

[15] N.J. Gordon，D.J. Salmond，C. Ewing. Bayesian state estimation for tracking and guidance

using the bootstrap filter.Journal of Guidance，Control and Dynamics，Vol.18，No. 6， 1995， 1434-1443

[16] Simon Godsill，Tim Clapp. Improvement strategies for Monte Carlo particle filters [D].Signal

Processing Group， University of Cambridge，1998

[17] 李冰冰.基于粒子滤波的目标跟踪算法的应用研究(硕士学位论文).长春：东北师范大学，

2007

[18] A. Doucet，S. Godsill，and C. Andrieu. On sequential Monte Carlo sampling methods for

Bayesian filtering. Statist. Computer， Vol. 10， 2000，197-208

[19] A. Doucet， J. de Freitas， N. Gordon. Sequential Monte Carlo Methods in Practice.

New-York： Springer-Verlag. 2001

[20] 盛骤等.概率论与数理统计.北京：高等教育出版社，1989 [21] 徐钟济.蒙特卡罗方法.第一版.上海：上海科学技术出版社，1985

[22] 裴鹿成，张孝泽.蒙特卡罗方法及其在粒子输运问题中的应用.第一版，北京：科学出版

社，1980

[23] P. Del Moral. Measure valued processes and interacting particle systems. Application to

nonlinear filtering problems. Ann. Appl. Probab，1998

[24] 李庆扬，关治，白峰杉.数值计算原理.北京：清华大学出版社，2000

[25] Chatila R，Laumond J-P. Position referencing and consistent world modeling for mobile robots.

IEEE international Conference on Robotics and Automation. 1985，138-145 [26] Kuipers B. The spatial semantic hierarchy. Artificial intelligence，2000，191-233

[27] Crowley J L. Mathematical foundations of navigation and Perception for an autonomous

mobile robot. International workshop on Reasoning with Uncertainty in Robotics. 1995，9-51

[28] 云晓.网络移动机器人粒子滤波定位研究.大津：大津大学，2006，43-45 [29] 蔡自兴，徐光祷.人工智能及其应用(第二版).清华大学出版社，1996 [30] 李长青，安茂鹏，郑征.人工智能.中国矿业出版社，2006

[31] Kennedy J，Eberhart R. Particle Swarm Optimization. In： IEEE Int'l Conf on Neural Networks

Perth，Australia，1995： 1942-1948

[32] Eberhart R，Kennedy J.A New Optimizer Using Particle Swarm Theory. In： Proc of the Sixth

International Symposium on Micro Machine and Human Science，Nagoya，Japan，1995，39-43

[33] Van den Bergh F. An Analysis of Particle Swarm Optimization. Ph. D Dissertation. South

Africa： Department of ComputernScience，University of Pretoria， 2002， 431-453 [34] Kennedy J. The Particle Swarm： social adaptation of knowledge. IEEE Int. Conf. On

Evolutionary Computation， Indianapolis，1N，1997，303-308

[35] Shi Y，Eberhart R C.Parameter Selection in Particle Swarm Optimization. In ： Evolutionary

Programming Ⅷ： Proc. EP98. NewYork： Springer-Verlag， 1998， 591-600

[36] 王卫华，陈卫东，席裕庚.基于不确定信息的移动机器人地图创建研究进展，上海交通

大学自动化研究所，2006

[37] 陈卫东，张飞.移动机器人的同步自定位与地图创建研究进展，上海交通大学，2005 [38] 贺伟，梁昔明.未知环境中地图创建的一种改进算法，中南大学，2005

[39] 彭圣军，马宏绪.移动机器人导航空间及SLAM问题研究，国防科技大学机电工程与自

动化学院，2006

[40] 余洪山，王耀南.移动机器人地图创建和自主探索方法研究，湖南大学，2007，50-56 [41] Gregory Dude，Michael Jenkin.ComPutational PrinciPles of mobile roboties. Cambridge：Cambridge University Press，2000，1-12

本文来源：https://www.bwwdw.com/article/n0gf.html