灭火机器人热寻踪及导航_0.doc

灭火机器人热寻踪及导航 1、相关定义 1.1、全局路径规划的概念 全局路径规划的定义是指根据某种最优准则,在工作空间中寻找一条从起 始点到目标点的无碰撞的最优路径。全局路径规划的环境信息通常是已知的, 因此可以在机器人移动之前离线的规划全局路径,由于可行的最优路径事先已 经该环境中建立了,全局路径能够帮助机器人在真实的环境中行走。全局路径 规划与局部避障(即局部路径规划)的主要区别在于,局部避障通常是机器人 在实时环境中躲避障碍物时在线构建的,下图列出了两种路径规划的主要区别 (Buniyamin N, 2011), 图 4. 1 局部路径规划与全局路径规划的主要区别 图 4. 2 为全局路径规划的框架,机器人工作环境的地图模型包括机器人的 位姿、障碍物和自由空间区域(也叫做配置空间,C-Space)。然后通过离散化 自由空间区域构建的代表空间连通性的图,对 C-Space 进行建模。该图是通过 一种代表图连通性的搜索算法构建的。最后路径规划算法在该图内为机器人寻 找一条到达目标点的路径。 52 图 4. 2 全局路径规划框架 由先前的研究者提出的人工势场法、神经网络、A*算法、D*算法等传统的 路径规划算法,被改进和演化为智能化的路径规划算法,如遗传算法 GA,蚁 群优化算法,粒子群优化算法等。这些算法不仅能够满足最优条件的最优路径, 而且在静态和动态环境中也具有很好的适应性和鲁棒性。与传统方法相比,这 些算法在机器人路径规划的优化问题中,被证明是鲁棒和有效的。 4.2 和 4.3 小节将对传统的全局路径规划算法:基于几何构造的方法、栅格 法进行简单的介绍;4.4 小节节将对目前应用较为广泛的智能化路径规划算法中 的蚁群算法进行较为详细的介绍。 1.2、自主定位的概念 自主定位分为跟踪定位和全局定位两个主要方面,跟踪定位是指在之前位 姿已知的情况下,根据控制输入、环境地图和当前的观察信息,进行定位。常 见的跟踪定位算法有:卡尔曼滤波和扩展的卡尔曼滤波定位。全局定位是指不 利用以前的位姿信息,而是完全根据传感器的观测确定当前的位姿,对于初始 位姿未知情况和机器人位姿丢失等情况下的定位具有非常重要的意义2。.2 节至 2.5 节将对 KF 和 EKF 的基本概念和在跟踪定位中的应用做详细介绍,2.6 节将 介绍基于 MCL 的全局定位方法。 1.3、全局定位的概念 全局定位是指不利用以前的位姿信息,而是完全根据传感器的观测确定当 前的位姿,对于初始位姿未知情况和机器人位姿丢失等情况下的定位具有非常 重要的意义。 卡尔曼滤波器由于正态分布和线性系统的假设,并不适用于解决全局定位 问题,Markov 定位虽然能够处理非正态分布和非线性系统,但是该算法计算量 大并且随着空间的增长而增长剧烈。粒子滤波器采用统计的基于采样的方法描 述整个空间的概率分布,通过重采样,对于概率小的粒子少采样,对于概率高 的粒子多采样,根据大数定律,即使在维数增加的时候依然能够保持较高的性 能,下面小节将对基于粒子滤波器的全局定位(又叫蒙特卡洛定位 MCL 算法) 进行详细的介绍(Inannis M. Rekleitis, 2003)。 21 1.4、导航系统数据库概念结构设计 数据库的概念结构设计是在完成需求分析的基础上,根据用户的需求设计出满足所 需的各种实体以及各种实体之间的关系,同时为之后逻辑结构的设计奠定基础。 根据导航系统的数据需求分析规划出的实体分别为路线实体、位置点信息实体。各 个实体的 E-R 图以及实体之间关系 E_R 图分别如图 2.30、2.31、2.32 所示。 路线 路线编号路程 路线名称 路线描述 路线创建时间 路线更新时间 图 2.30 路线实体 E-R 图 24 位置点信息 编号点类型 路线编号创建时间 经度 海拔高度 纬度 图 2.31 位置点信息实体 E-R 图 路线 1使用N位置点信息图 2.32 实体之间关系 E-R 图 1.5、信息融合的定义 信息融合这门边缘学科从诞生到现在已经有 40 多年的发展史,这一术语大量出现 第一章 绪论第一章 绪论 3 在文献资料中,但至今仍然没有一个被普遍接受和明确的定义。文献[4]中给出了信息融 合的三种定义,分别如下: 定义 1:信息融合就是一种多层次、多方面的处理过程,包括对多源数据进行检测、 相关、组合和估计,从而提高状态和身份估计的精度,以及对战场态势和威胁的重要程 度进行实时完整的评价。 它由美国三军组织实验室理事联合会 JDL(Joint Directors of Laboratories)提出来的, 从军事应用的角度给出信息融合的定义。这是目前被大多数研究者接受的有关信息融合 的定义。 定义 2:信息融合就是由多种信息源,如传感器、数据库、知识库和人类