摘要
随着科学技术的发展以及人们对生活质量的追求，各种类型的室内机器人已经融入人类的日常生活中，以解放人类的双手、增加效率，其中以轮式移动机器人应用较为广泛。轮式移动机器人的精准定位是完成其它任务的基础，实现定位功能常使用到的传感器有2D激光雷达、轮式里程计、惯性测量单元(Inertial Measurement Unit,IMU)等，单一的定位传感器很难提供准确的定位信息，研究多传感器信息融合的轮式移动机器人精准定位，对轮式移动机器人的应用有着重要意义。本文的主要研究内容如下: 首先，针对室内环境，对轮式移动机器人精准定位的硬件进行选型，搭建了一台具备2D激光雷达、轮式里程计、IMU和麦克纳姆轮运动底盘的轮式移动机器人实验平台，并推导了其运动模型和轮式里程计模型;使用Solidworks软件建立了轮式移动机器人的三维模型，并利用插件导出其urdf文件，依托ROS(Robot Operating System)平台完成轮式移动机器人的软件平台的搭建。 其次，针对机器人轮子打滑、空转等造成定位不准确的问题，采用扩展卡尔曼滤波(Extend Kalman Filter,EKF)算法，根据轮式移动机器人的运动模型和轮式里程计模型，融合轮式里程计和IMU数据信息，提高轮式移动机器人的定位精度;在室内瓷砖地面上，设定合适的轮式里程计和IMU的协方差矩阵，并通过实验，验证了EKF算法多传感器信息融合定位的精度。 最后，针对EKF算法容易受到外部环境的影响，在轮式移动机器人更换工作环境后，需再次对定位的传感器进行调整，才能获得较高的定位精度，采用门控循环单元(Gate Recurrent Unit,GRU)神经网络的算法，实现多传感器信息融合定位。在采集不同地面环境中的传感器数据对其进行训练后，部署到轮式移动机器人上，融合轮式里程计和IMU数据信息，经过实验验证，在不同的地面条件下，GRU神经网络融合定位都有较高的定位精度。 经实验验证，在瓷砖地面使用橡胶硬化地面的协方差矩阵和在橡胶硬化地面使用瓷砖地面的协方差矩阵进行EFK融合定位的精度，都略小于GRU神经网络融合定位的精度;在路径规划实验中，设定终点坐标后，经全局路径规划算法A*算法和局部路径规划算法TEB算法进行路径规划，GRU融合定位的平均误差为0.095米，小于原始轮式里程计的定位平均误差0.184米。因此，本文采用的GRU神经网络多传感器信息融合定位，能够提高轮式移动机器人的定位精度，且在更换工作环境后仍有较高的定位精度。
NETL