摘要
机器人地图、路径规划与导航作为移动机器人的核心组成部分，直接影响着移动机器人在环境中的行动。目前，主流移动机器人导航系统主要依赖于占据栅格地图，由于单元栅格数目取决于栅格分辨率和实际环境的大小，当分辨率过大时，遍历的栅格节点会增加，并且搜索算法需要逐一遍历所有栅格，因此该方法不仅无法高效地在大规模场景下建图，而且还会导致路径规划的搜索算法运行效率低下。针对上述问题，本文研究了基于激光SLAM与优化可见性图的机器人自主导航系统，分别对基于可见性图模型及路径规划算法进行了优化。主要内容以及完成的工作如下: （1）研究基于迭代扩展卡尔曼滤波的SLAM算法及基于因子图优化的SLAM算法。详细阐述了这两种基于不同优化策略的激光SLAM算法原理，通过EVO工具对两种算法生成的轨迹进行评估，选择定位精度高且运行效率适中的SLAM算法为后续的移动机器人提供定位及点云信息。 （2）研究了一种基于可见性图的路径搜索算法。首先，对上述获得的点云地图信息进行转换，将点云数据转变为移动机器人可以识别的可见性图导航地图;其次，为了提高算法在动态环境中获取最短路径的速度，对路径搜索的计算方法进行简化，使其仅计算妨碍机器人行进的可见性图，在路径规划期间仅计算对终点有启发性的线，从而减少路径搜索的时间。 （3）提出了一种基于优化动态可见性图和双向A*搜索的快速路径规划算法。首先，针对轮廓复杂的障碍物，研究了一种基于边长和障碍物轮廓顶点数的过滤方法。该方法通过对大型复杂障碍物进行顶点过滤，有效地减少了可见性图中的顶点数量和可见性图的维护成本，由于路径搜索算法是在可见性图基础上完成的，顶点的滤除也会剔除与之连接的可见性图边，从而使得路径搜索算法的效率也得到提升;其次，采用基于可见性图的双层框架并引入双向A*搜索算法，通过使用几何碰撞检测添加目标点到可见性图中，从而充分利用目标点的信息，以降低在未知环境中移动机器人进入分叉路口的概率，不仅减少了不必要的空间探索而且进一步提高了路径搜索的效率。 （4）研究并实现了基于可见性图的导航算法实验验证平台，完成系统所需的硬件选型与软硬件适配，并进行各个传感器之间的内外参标定。通过实际的地下车库自主导航实验，验证了本文算法及搭建系统的有效性与可靠性。
NETL