移动机器人定位研究本科论文.doc

摘要 机器人的应用己经越来越广泛，移动机器人则是机器人技术实用化、普及化的生力军。移动机器人在实际应用中首先遇到的就是机器人本身的定位问题，即移动机器人根据各种信息判断自身与环境的相对位置和姿态的问题。在很多实际应用中，机器人的位置信息是完成各种任务的前提。 本文首先对移动机器人自定位及其所涉及到的问题进行了概述.然后,主要介绍了近几年来流行的移动机器人基于概率定位的各种方法,对他们的性能进行了分析比较,这些方法都应用贝叶斯规则作为理论基础.重点介绍了位置跟踪广泛应用的卡尔曼滤波方法和在全局定位方面取得一定成功的马尔可夫定位方法.最后,对概率定位方法的关键技术进行了分析,并探讨了未来的发展趋势. 关键词:智能移动机器人；概率定位;卡尔曼滤波；马尔可夫定位 Abstract Robot is playing an increasingly important role in peoples life. Mobile robot is doing a good job in the application of robotics. The localization problem is a key problem in mobile robotics. It is estimating a robots pose relative to its environment from sensor data. That is one of the pre- requistion to practical use of mobile robots. This paper first mobile robot from its position, which was involved in the issues outlined. Then, In recent years mainly on the prevalence of mobile robots based on probability positioning of the various methods, their performance is analyzed, These methods use Bayesian rules as a theoretical basis. focus on the wider application of location tracking Kalman filtering method and the global positioning achieved some success Markov positioning methods. At last, the key technologies of probabilistic localization methods are analyzed, and the trends of research in the future are discussed. Keywords:mobilerobot;probabilisticPositioning; Kalman filter;Markov localization; 目 录 摘要 Abstract 目 录 1 第1章 绪论 1 1.1引言 1 1.1.1移动机器人定位的研究意义 1 1.2自主移动机器人定位方法的研究现状 1 1.2.1自主移动机器人定位的概述 1 1.2.2 国内外定位方法相关研究现状 2 1.3本文的主要研究工作 3 第2章 自定位所涉及到的一些问题 3 2.1概述 3 2.2定位传感器 4 2.3 环境的描述 5 2.4不确定信息的描述和处理方法 6 第3章 概率定位方法简介 8 3.1 概述 8 3.2 贝叶斯滤波（Bayesian filter） 8 3.3 卡尔曼滤波 9 3.4 马尔可夫定位 11 3.4.1 概述 11 3.4.2马尔可夫独立性假设 12 3.4.3马尔可夫定位原理 13 3.4.4马尔可夫定位算法 15 3.4.5马尔可夫定位中的“拐骗”问题 16 第4章概率定位研究的关键问题 19 4.1的表示 19 4.2算法的复杂度 19 4.3算法的实时性 19 4.4鲁棒性 19 第5章总结与展望 20 参考文献 20 致 谢 23 第1章 绪论 1.1引言 1.1.1移动机器人定位的研究意义 机器人学的进步与应用是20世纪自动控制最有说服力成就，是当代最高意义上的自动化。从某种意义上讲，一个国家机器人技术水平的的高低反映了这个国家综合技术实力的高低。随着机器人应用领域的不断拓展，人们对机器人的作业要求也逐渐向大范围、高难度的方向发展。这就要求机器人具有更大的