基于ROS平台的激光雷达Slam-GMapping的重定位方法研究

目前主流的机器人操作平台ROS(Robot Operating System)建图媒介是Kinect双目摄像头,采用CMOS红外传感器感知黑白光谱的方式来构建目标地图。计算量大,建图轮廓不清晰,地图构建与实际地图偏移量较大,重定位精度差。本文提出基于ROS平台的激光雷达Slam-GMapping的重定位技术,包括RBPF粒子滤波算法、激光雷达Slam-GMapping建图和机器人的重定位。实验结果表明:激光雷达Slam-GMapping相比于Kinect,能够更好地构建目标地图,建图效果更加优越,建图精度更高;该重定位技术的定位方位更加精确,定位误差更小。

基于二维激光的机器人室内构图

建立了2D激光扫描匹配数据的构图方案,使用GMapping(一种高效的Rao-Blackwellized粒子滤波器,从激光数据学习网格地图)通过改变内部扫描配准算法,实现录制数据(原始2D扫描数据)经过激光配准算法后生成相对运动文件作为tf,用以提高地图生成和激光扫描配准的精度。实验基于机器人操作系统(ROS),开源的GMapping软件包进行同时定位和地图构建(SLAM),通过RVIZ(用于ROS的3D可视化工具)控制机器人运动。该方案可应用于移动机器人的导航、构图与2D重建、同步定位与地图构建(SLAM)等领域。

基于SLAM的机器人的导航算法设计

本文旨在得到更好的建图效果并运用于机器人导航中。在比较分析了HectorSLAM,LagoSLAM,Cartographer,GMapping等不同SLAM算法的优缺点之后,选择了拥有更好效果的蒙特卡洛自适应定位以及激光建图(GMapping)算法。且针对传统的GMapping算法无回环、精确度不高的问题,提出增加闭环检测环节。并且通过ROS操作系统实现此GMapping算法,此算法通过改变内部扫描配准的算法,来提高建图的精度。最后将改进算法以及机器人自主导航技术相结合,经过多次试验验证了这种改进算法的建图的准确性。