智能扫地机器人开发的方案导航清扫的方案.pptxVIP

智能扫地机器人方案设计 基于SLAM定位导航系统 Contents SLAM简介 1 系统建模 2 定位与导航（SLAM方法） 3 清扫策略 4 SLAM SLAM :Simultaneous Localization and Mapping 即时定位与地图构建，指机器人在自身位置不确定的条件下,在完全未知环境中创建地图,同时利用地图进行自主定位和导航位. SLAM SLAM问题可以描述为: 机器人在未知环境中从一个未知位置开始移动,在移动过程中根据位置估计，利用自身携带的传感器识别未知特征路标,递增建立环境导航地图,利用已建立的地图来同步刷新自身位置。 SLAM SLAM核心问题： 系统建模 坐标系统 机器人位置描述： X = (x,y,θ) 即：X,Y轴的坐标，和方向角，就能表述出机器人的方位。 系统建模 运动模型 传感器 传感器 感知自身运动状态和外部路标、障碍 陀螺仪 加速度计 电子罗盘 码盘 红外 摄像头 传感器 内部传感器 内部传感器用于测量机器人的本身 的参数：位置、速度、方向。主要包括： 编码器、加速度计，陀螺仪、电子罗盘等。编码器可以测量出机器人的行程，加速度可以计算出机器人的速度，陀螺仪、电子罗盘计算出机器人的运动方向。 内部传感器 传感器 外部传感器 外部传感器用于探测机器人外部的环境信息，主要包括：红外传感器、碰撞传感器、摄像头等。 红外传感器、碰撞传感器用于探测障碍物，避障、建立地图的障碍点等。 摄像头通过拍摄环境图像，进行视觉导航与定位，识别目标与建立地图 SLAM方法 定位 根据内部传感器，计算机器人姿态：方位、速度，行程等，结合环境特征的坐标，融合数据，实现机器人自身定位 SLAM 核心问题 环境特征提取 摄像头实时采集图片数据，对获得的信息进行分析提取环境特征并保存，在下一步通过对环境特征的比较对自身位置进行校正. SLAM方法 SLAM环境特征提取 摄像头采集的图像，采用霍夫变换，提取特征，霍夫变换(Hough Transform)是图像处理中的一种特征提取技术，它通过一种投票算法检测具有特定形状的物体。 SLAM方法 建立坐标系 位置计算 定位 栅格法 建立坐标系 运动模型 运动计算 视觉提取特征 定位 SLAM方法 用栅格表示室内空间，将室内空间划分为一系列的栅格，建立坐标系。用栅格表示障碍物。 以机器人初始位置作为坐标原点，机器人运行，运动模型提供位置估计、姿态解算。 用摄像头进行图像信息采集，提取特征物，基于灰度图探查直线，从而计算行程、再由学习子系统将采集到的图像信息和机器人的实际位置联系起来，完成机器人的自主导航定位功能。 清扫策略 全面清扫 识别进入 未清扫区域 SLAM 直线 运动 机器人直线运动 运动过程中、SLAM建立地图 遇到障碍物、记录障碍点、避障 计算为清扫区域，清扫到头后，进入未清扫区域继续清扫，直到全部清扫。 清扫策略 典型的清扫策略如下图所示： 机器人起始位置为A点 在清扫过程中，不断进行SLAM地图建立。碰到障碍物掉头直行，并记录障碍点 清扫流程按照：A-B-C-D-E的路线进行。 B点，C点清扫完毕后，自动计算未清扫区域，导航进入为 清扫区域