室内复杂环境下的智能体导航研究.pdfVIP

摘要

移动智能体作为一种智能化设备，因其有着无需人为操控的智能化运作方式、高

效的资源利用率、稳定可靠且安全的工作能力，在汽车工业、仓储物流、生产制造等

行业广受欢迎，并且在机器人领域受到广泛关注和研究。智能体导航技术是衡量其智

能化技术水平的重要标准之一，本文主要针对智能体激光惯性导航技术进行以下几个

方面的研究：

对导航地图构建算法的研究。激光惯性导航与传统的电磁导航和磁带导航不同，

其导航之前需要通过激光雷达采集环境信息来构建一张导航地图，该过程也被称作

SLAM过程。本文基于扩展卡尔曼滤波器融合轮式里程计数据和IMU数据，得到了误

差更小的里程计数据用于经典的CartographerSLAM算法进行地图构建。分析测试结

果表明：优化后的里程计累计误差明显减小，运动轨迹更接近真实轨迹，提高了

Cartographer算法回环检测的准确性，减少了建图过程中的漂移误差，能够得到更精

确的地图。

对导航过程中定位算法的研究。定位技术在建图和导航过程中都非常关键，本文

提取了Cartographer算法中利用激光雷达进行全局定位的部分，并将其与AMCL局部

定位算法相融合，同时加入定位站点以辅助定位。分析测试结果表明：加入站点辅助

在一定程度上避免了Cartographer全局定位时出现的相似环境误匹配情况，且缩短了

定位耗时，Cartographer与AMCL算法融合弥补了AMCL算法在没有较为准确的初始

位姿情况下无法进行定位的缺陷，能够实现无先验位姿情况下的自主定位。

对导航过程中路径规划算法的研究。路径规划是导航任务能否完成的关键，本文

对传统的A*算法同时进行了自适应栅格化优化和搜索邻域优化，自适应栅格化优化

是根据预设的障碍物的安全距离和智能体的大小来自适应调节A*算法中的栅格节点

大小，搜索邻域优化是将A*算法每次搜索的邻域进行扩大。分析测试结果表明：优

化之后规划出的路径会与障碍物保持一定距离，在大而复杂的环境中规划的路径更加

平滑且路径长度更短，这样更安全且更符合智能体的运动逻辑，并且极大的缩短了路

径规划的时间。

设计智能体导航应用算法。本文在完成了基本导航算法的优化之后，结合智能体

的实际应用场景设计了站点间巡航算法和站点间快速导航算法，站点间巡航是让智能

体在给定顺序的站点间循环运动，并且不同的站点能够根据其站点属性执行对应的动

作，站点间快速导航是将所有站点和站点间可通行路径看作一个路网，基于Djkstra算

法实现在路网中找到去往目标站点的最短路径，来实现站点间快速导航。

关键词：智能体；激光惯性导航；SLAM；导航定位；路径规划

Abstract

Asanintelligentdevice,mobileagentshavegainedwidespreadpopularityinindustries

suchasautomotivemanufacturing,warehouselogistics,andproductionmanufacturingdueto

theirintelligentoperationwithouttheneedformanualcontrol,highresourceutilization

efficiency,andstable,reliable,andsafeworkingcapabilities.Theyhavealsoattracted

extensiveattentionandresearchinthefieldofrobotics,constantlyachievingbreakthroughs.

Intelligentnavigationtechnologyisoneoftheimportantcriteriaformeasuringthelevelof

intelligenceinmobileagents.Thispaperfocusesontheresearchofmobileagentslaserinertial

navigationtechnologyinthefollowin