基于具有墙角信息的语义地图改进AMCL重定位算法

针对原始自适应蒙特卡洛定位（Adaptive monte carlo localization,AMCL）算法仅利用激光信息存在的缺陷,提出一种基于激光与视觉融合的语义地图进行全局定位,该语义地图融合基于深度学习的目标检测方法提取环境中的墙角语义;利用建立的包含墙角信息的二维语义栅格地图,结合视觉预定位方法及角点周围语义信息表来提高算法全局初始定位的效率和准确性,使得移动机器人可以在少量先验信息和运动的情况下更迅速地实现定位。提出视觉预定位的方法,改进了粒子权重更新方式,再同步结合AMCL算法与环境地图匹配进行精定位。最后通过搭建的移动机器人在不同场景下进行对比试验,验证了该方法的有效性。     

一种改进骨架提取的Voronoi路径规划

针对目前基于栅格地图的路径规划算法,机器人导航无法同时满足实时性与精确性要求,以及原始Voronoi图算法生成的全局路径过于臃肿和现有骨架提取的方式生成的路线过于冗余,导致过多占用机器人存储量的问题,提出一种改进的骨架提取算法,先对已知先验信息的栅格地图进行二值化、腐蚀、膨胀预处理,再生成全新的精简骨架,之后对每一次导航规划的路径进行基于改进的三次样条平滑处理,在此基础之上结合局部路径规划器DWA算法,实现机器人导航。通过多次仿真试验和真实环境试验,结果表明,利用所设计的算法得到的精简骨架比原始Voronoi图以及现有骨架更为简洁,优化之后的路径也更加平滑,提高了移动机器人运动的稳定性及移动效率,并以最安全的方式指导机器人移动。