导读:本文包含了多机器人地图构建论文开题报告文献综述及选题提纲参考文献，主要关键词:路径规划,移动机器人,地图构建
多机器人地图构建论文文献综述
陈雪超,开超,卢飞宇[1]（2019）在《室内环境下移动机器人地图构建与路径规划技术》一文中研究指出本文通过对某一个移动机器人的路径规划进行分析,到对多个移动机器人的路径规划,最终到很多移动机器人进行地图构建。移动机器人所主要研究的方向是路径规划,地图构建以及实时定位的问题。(本文来源于《电子技术与软件工程》期刊2019年20期）
张航,姚敏茹,曹凯,高嵩[2]（2019）在《改进粒子群优化算法的多机器人地图构建》一文中研究指出针对大规模的未知环境,对一种SA-PSO(Simulated Annealing-Particle Swarm Optimization)算法的多机器人构建地图方法进行研究。多机器人构建地图,即将多个机器人建立的局部地图融合成全局地图,可以更加高效地完成环境地图的绘制。利用粒子群优化(PSO)算法搜索局部地图之间的最优转换矩阵来进行地图配准;再根据局部地图重迭区域匹配的成功率设计自适应概率函数,即重新进行地图配准的概率;最后将配准后的局部地图融合成全局地图。该方法有效解决了PSO算法易陷入局部最优引起的地图融合失败问题,提高了地图融合的成功率。(本文来源于《计算机应用与软件》期刊2019年10期）
富裕,刘振宇[3]（2019）在《基于RGB-D的移动机器人地图构建方法研究》一文中研究指出SLAM技术一直以来都是移动机器人实现自主导航和避障的核心,为提高特征提取和匹配的鲁棒性、抑制累积误差造成的位姿漂移,提出一种基于ORB-SLAM的算法。算法对Kinect采集得到的RGB数据进行特征点提取与匹配,在保证精度的同时,有效减少了配准算法的迭代次数,并与Kinect深度数据计算移动机器人在相邻图像间的位姿相结合;采用回环检测方法对后端进行优化,得到全局一致的轨迹与叁维地图。实验结果表明该方法能有效提高SLAM系统的鲁棒性和地图构建的准确性。(本文来源于《微处理机》期刊2019年04期）
王徽[4]（2019）在《室内环境下移动机器人地图构建与路径规划技术研究》一文中研究指出当今时代,移动机器人的发展在生活、娱乐、工业、军事等领域占据了越来越大的比重。人工智能,大数据和云计算等领域的兴起也对移动机器人的发展起到了如虎添翼的作用,越来越多的智能算法和基于大量数据训练的神经网络算法已经逐渐取代了传统的人工调试机器人控制参数的方法,这加速了机器人的发展。如今,在各行各业机器人技术的渗透已经达到了难以想象的地步。比如,扫地机器人、导游机器人、外太空着陆机器人和工业自动化过程中的机器人流水线等。移动机器人的研究主要解决路径规划问题,地图构建问题和实时定位导航问题。对于单个移动机器人的研究已经逐渐饱和,而多移动机器人的研究越来越成为热点,相较于单个移动机器人的研究,基于多智能体的多移动机器人在大场景和复杂环境中的研究更具价值。本文从研究单个移动机器人的路径规划问题开始,到研究基于多智能体系统的多个移动机器人路径规划问题,最后研究多个移动机器人联合构建地图的问题。分别研究了基于检测算子经验学习鱼群算法的移动机器人路径规划,基于膨胀逻辑经验鱼群算法的多移动机器人的实时导航和基于边缘梯度算法的多智能体未知环境的地图构建,最终通过仿真实验验证了以上叁种算法的可靠性,收敛性,快速性。本文设计的基于检测算子经验学习鱼群算法,主要是在研究单个移动机器人的过程中,发现的群智能算法—人工鱼群算法,在应用到栅格地图上时存在的次优解干扰最优解的问题和路径冗长的问题。通过设计经验学习机制,使得鱼群具有学习错误经验的能力,最终解决了次优解干扰最优解的问题;通过设计检测算子,解决了鱼群算法规划路径过程中出现的路径冗长的问题。本文设计的基于膨胀逻辑经验鱼群算法,主要是为了研究理论算法的同时考虑到应用层面的问题,并将单个移动机器人的研究成果延伸到多移动机器人的领域。当移动机器人路径规划的地图过大时,在研究算法的时候一般会假设移动机器人为质点。但是,实际应用中移动机器人必须要有足够的空间,可以360°的调整自身位姿的能力,往往理论算法规划的最短路径会导致移动机器人的执行过于极端,不能保证任意时刻移动机器人都具备360°调整自身位姿的能力。通过设计膨胀逻辑算法可以有效的解决这种问题,同时引入打分机制,为路径评分这样也不会错失最佳路径。本文设计的基于边缘梯度算法,重点为了解决基于多智能体系统的多移动机器人快速地图构建的问题。在较大场景下,单个移动机器人构建地图的效率有限,但是通过多个移动机器人构建地图,构建地图的效率就会成倍增涨。因此,本文参考大脑中的海马体的功能和特点,设计了一种边缘梯度算法,实现了多移动机器人绕行障碍物采集地图信息的能力;同时为了高效快速的完成地图信息的拼接,设计了虚拟坐标系。最后通过搭建实物实验平台,进一步验证了本文提出的基于检测算子经验学习鱼群算法和膨胀逻辑算法的可靠性和收敛性。(本文来源于《安徽工程大学》期刊2019-06-10）
胡铭超[5]（2019）在《基于激光SLAM的移动机器人地图构建与优化》一文中研究指出自20世纪80年代第一次出现同时定位与地图构建(Simultaneous Localization and Mapping,SLAM)的概念以来,SLAM的相关理论不断发展成熟,在移动机器人、无人驾驶、增强现实等领域得到广泛的应用。尤其是激光SLAM,已经在移动机器人领域得到了较为普遍的应用。虽然激光SLAM的相关理论已经比较成熟,但在实际的应用场合中面对多变的环境,仍然存在定位不准确、地图重影等问题。本文的主要研究内容为移动机器人基于激光SLAM的地图构建与优化,着重解决移动机器人在实际应用中定位精度不高等问题。本文首先分析了移动机器人的基本系统框架,结合本课题的研究目的对移动机器人的定位导航系统进行了设计。根据移动机器人的运动方式和所搭载的观测传感器,建立了移动机器人差速运动的里程计模型和激光雷达的观测模型,分析了激光雷达的噪声模型。根据激光雷达采集的数据特点,分析了激光雷达两种扫描匹配方的过程和优劣,选取基于特征的扫描匹配来作为激光雷达定位的方法。针对自然特征和人工特征分别提出了特征提取的相关方法。针对自然特征,研究了线段特征提取的方法,通过实验确定了合适的提取参数。针对人工特征,提出了提取人工特征的两个参数,通过实验确定了这两个提取参数的阈值,并测量了激光雷达提取人工特征的有效探测范围。针对激光SLAM的地图构建,使用二维占用栅格地图来描述机器人的环境空间,提出了占用栅格地图的更新方法,构建了激光SLAM的环境地图。本文提出使用图优化的方式在机器人的位姿之间、自然特征之间以及人工特征之间建立约束,然后进行全局优化,获得具有全局一致性的地图。最后实验验证了激光SLAM的算法性能。利用激光SLAM构建环境地图,机器人基于构建的地图执行导航任务,按要求顺利完成导航任务到达目的地。测试机器人在导航时进入站点的定位精度,测试结果表明激光SLAM的定位精度能满足实际要求。(本文来源于《哈尔滨工业大学》期刊2019-06-01）
梁璨,房芳,马旭东[6]（2019）在《一种多机器人协作探索未知环境与地图构建的系统设计》一文中研究指出一张完整有效的地图是移动机器人自主导航的一个重要前提。多个机器人进行自主协作探索未知环境并构建全局地图相比较单个机器人而言工作效率更高。首先针对移动机器人的工作环境特点,设计了一种多机器人协作探索未知环境与地图构建的系统框架;然后详细介绍了系统主要包含的几个模块:未知边界点检测模块、聚类滤波模块、机器人任务分配模块、全局地图融合模块;最后进行了仿真实验验证了该系统的有效性与可行性。(本文来源于《工业控制计算机》期刊2019年05期）
孙士秦[7]（2019）在《基于视觉的多机器人同步定位与地图构建方法研究》一文中研究指出随着智能化社会的不断发展,各行各业对智能机器人的需求越来越高,这也给同时定位与地图构建(Simultaneous Localization and Mapping,SLAM)技术带来了长足的发展。目前,基于各种传感器的SLAM算法都取得了重大的进展,特别是基于视觉传感器的SLAM解决方案已经被广泛应用于实际中。同时单机器人SLAM技术的发展在不断的走向成熟,SLAM的研究方向也在向多机器人协作SLAM技术延伸。该技术被期待的应用场景也有很多,因此本文对基于视觉的多机器人协作SLAM算法进行研究和实验。本文首先对SLAM发展现状进行了阐述,着重对SLAM问题原理进行分析,介绍了基于不同传感器的SLAM解决方案。然后对基于视觉的SLAM原理,从相机的应用、视觉里程计以及后端优化这叁个方面的原理进行分析,为满足算法实时性的要求,综合比较最后选择ORB(Oriented FAST and Rotated BRIEF)特征作为视觉SLAM解决方案的基础。在此基础上对ORB-SLAM算法的实现原理做了详细的分析,同时选择该方案生成的稀疏点云地图作为后续多机器人协作SLAM研究的基础。对于目前的多机器人协作建图技术,主要的解决方案是针对栅格地图提出的,栅格地图相对于本文选择的点云地图来说对环境的表达不够丰富,地图融合难度大,而基于点云地图可以通过图像匹配来确定地图相似性,并且在线的地图融合依赖于机器人之间的准确识别与定位。针对以上难点,本文提出了一个多机器人协作建图解决方案。该方案主要包含叁个方面,首先设计一个基于ROS(Robot Operation System)的多机通信方案,然后机器人相互进入视野时,设计一个基于深度卷积神经网络的目标检测方案,最后机器人识别成功,对机器人成员的子地图进行融合。本文实验部分首先对单机器人的ORB-SLAM算法进行数据集以及实际环境测试,实验结果证明了该算法的实时性,构建的稀疏点云地图为实现多机器人地图的实时融合提供了可能。对于多机器人协作建图的实验与调试,在数据集下与相关方案进行比较,证明本文提出的方案具有一定的优越性,同时在真实环境下对提出的方案进行测试。本实验的目的验证了该方案的可行性,并且与单机器人建立的地图进行对比,证明提出的算法在机器人定位以及地图表达效率上都具有一定的优势,实验结果表明地图融合效果大致符合预期目标。(本文来源于《中国矿业大学》期刊2019-05-01）
马树军,杨磊,白昕晖,李忠明[8]（2019）在《多机器人同步定位与地图构建的地图融合算法的改进》一文中研究指出本文主要研究了多机器人同步定位与地图构建(SLAM)的地图实时融合问题.在本文中提出一种混合的SLAM算法(HybridSLAM)算法,可以同时观测和更新多个路标,并根据FastSLAM2.0思想利用选取的最准确的路标观测值来修正机器人位姿.然后,在改进HybridSLAM算法基础上,进一步提出一种改进的多机器人HybridSLAM算法(MR–IHybridSLAM).每个机器人在不同初始位置运行IHybridSLAM算法构建子地图,并将子地图信息实时发送到同一工作站中.根据卡尔曼滤波(KF)原理将每个机器人构建的子地图融合成全局地图.最后,通过仿真实验构建多机器人融合的特征地图并与单一机器人快速的SLAM算法(FastSLAM)和HybridSLAM算法构建的地图进行误差对比,进一步来验证该算法的准确性、快速性和可行性.(本文来源于《控制理论与应用》期刊2019年08期）
赵海鹏[9]（2019）在《基于信息融合的移动机器人地图构建研究》一文中研究指出移动机器人在未知环境下的自主导航研究内容,包括对环境地图构建、自主定位、路径规划和动态避障等,其中环境地图构建和自主定位是其主要的研究内容,是实现路径规划和动态避障的前提,本文对移动机器人进行地图构建进行了深入研究和探讨。主要工作内容如下:设计了移动机器人机械和控制系统,研制了样机。为了移动机器人构建地图的完整性,本文采用激光雷达和Kinect数据融合的方法构建了栅格地图。对激光雷达和Kinect测距的工作原理进行了分析,推导了移动机器人坐标转换关系。详细分析激光雷达和Kinect传感器的测距工作原理。为提高激光雷达获取数据的精度,增加地图构建的质量,对激光雷达的测距测角进行标定。通过误差传播定律分析了引起激光雷达测距误差的因素,建立了激光雷达测距误差修正模型。分析了测角误差的因素,提出了一种叁角形标定方法,建立测角误差修正模型。根据激光雷达采集数据,计算测距测角误差,通过实验对误差修正模型进行了验证。对基于贝叶斯估计融合算法构建栅格地图进行了研究,建立了贝叶斯估计融合算法融合激光雷达和Kinect的实现过程。根据激光雷达获取周围环境信息构建了局部栅格地图,根据Kinect转换为伪激光雷达数据,构建了局部栅格地图。通过贝叶斯估计融合算法将激光雷达和Kinect获取的数据进行融合,构建局部栅格地图。实验证明,贝叶斯估计融合算法能有效增加传感器采集信息的准确性。采用Hector SLAM算法使移动机器人实现同时定位与地图构建,采用扩展卡尔曼滤波器进行定位。分析了基于激光雷达的扩展卡尔曼滤波器定位。将移动机器人样机放在未知环境中进行地图构建,对构建的地图进行分析,验证算法的有效性和实用性。在移动机器人样机上进行了 ROS操作系统搭建,实现了基于激光雷达和Kinect融合构建栅格地图的功能。通过控制变量的方法,在未知的环境中进行了地图构建实验,叁组实验构建地图的精度、消耗时间进行对比和分析。实验结果表明,基于数据融合算法探索环境构建的全局栅格地图精度高、效率快和障碍物信息完全。(本文来源于《天津工业大学》期刊2019-01-25）
邹强,丛明,刘冬,杜宇[10]（2018）在《仿鼠脑海马的机器人地图构建与路径规划方法》一文中研究指出针对移动机器人在非结构化环境下的导航任务,根据哺乳动物海马体空间细胞的认知机理,提出了一种仿鼠脑海马的机器人情景认知地图构建及路径规划方法.在机器人情景记忆建模过程中集成位置细胞与网格细胞神经元活动机制,建立机器人空间环境情景认知地图,采取状态神经元集合序列全局路径规划策略,在记忆空间以自我为参考,通过事件再配置预测并规划最优情景轨迹.实验结果表明:该方法能够生成精确的情景认知地图,并且基于目标导航能够规划一条最佳路径.(本文来源于《华中科技大学学报(自然科学版)》期刊2018年12期）
多机器人地图构建论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
针对大规模的未知环境,对一种SA-PSO(Simulated Annealing-Particle Swarm Optimization)算法的多机器人构建地图方法进行研究。多机器人构建地图,即将多个机器人建立的局部地图融合成全局地图,可以更加高效地完成环境地图的绘制。利用粒子群优化(PSO)算法搜索局部地图之间的最优转换矩阵来进行地图配准;再根据局部地图重迭区域匹配的成功率设计自适应概率函数,即重新进行地图配准的概率;最后将配准后的局部地图融合成全局地图。该方法有效解决了PSO算法易陷入局部最优引起的地图融合失败问题,提高了地图融合的成功率。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
多机器人地图构建论文参考文献
[1].陈雪超,开超,卢飞宇.室内环境下移动机器人地图构建与路径规划技术[J].电子技术与软件工程.2019
[2].张航,姚敏茹,曹凯,高嵩.改进粒子群优化算法的多机器人地图构建[J].计算机应用与软件.2019
[3].富裕,刘振宇.基于RGB-D的移动机器人地图构建方法研究[J].微处理机.2019
[4].王徽.室内环境下移动机器人地图构建与路径规划技术研究[D].安徽工程大学.2019
[5].胡铭超.基于激光SLAM的移动机器人地图构建与优化[D].哈尔滨工业大学.2019
[6].梁璨,房芳,马旭东.一种多机器人协作探索未知环境与地图构建的系统设计[J].工业控制计算机.2019
[7].孙士秦.基于视觉的多机器人同步定位与地图构建方法研究[D].中国矿业大学.2019
[8].马树军,杨磊,白昕晖,李忠明.多机器人同步定位与地图构建的地图融合算法的改进[J].控制理论与应用.2019
[9].赵海鹏.基于信息融合的移动机器人地图构建研究[D].天津工业大学.2019
[10].邹强,丛明,刘冬,杜宇.仿鼠脑海马的机器人地图构建与路径规划方法[J].华中科技大学学报(自然科学版).2018