Рекомендуемая категория для самостоятельной подготовки:
Дипломная работа*
| Код |
429857 |
| Дата создания |
2020 |
| Страниц |
62
|
Мы сможем обработать ваш заказ (!) 23 декабря в 12:00 [мск] Файлы будут доступны для скачивания только после обработки заказа.
|
Содержание
СОДЕРЖАНИЕ
АННОТАЦИЯ 3
ОБОЗНАЧЕНИЯ И СОКРАЩЕНИЯ 5
ВВЕДЕНИЕ 6
1 ОБЗОР СУЩЕСТВУЮЩИХ МЕТОДОВ 8
1.1 Актуальность и новизна 8
1.2 Классификация алгоритмов SLAM 9
1.2.1 Фильтр Калмана 9
1.2.2 Расширенный фильтр Калмана 14
1.2.3 Фильтр частиц 16
1.2.4 Методы основанные на графах 24
1.3 Выводы по первой главе 26
2 ОПИСАНИЕ РАЗРАБОТАННОГО АЛГОРИТМА SLAM 27
2.1 Модель объекта управления 27
2.2 Датчики робота 29
2.3 Карта пространства 30
2.4 Фильтр частиц 32
2.4.1 Движение 35
2.4.2 Измерение 35
2.4.3 Отсев 36
2.5 Выводы по второй главе 36
3 МОДЕЛИРОВАНИЕ РАБОТЫ АЛГОРИТМА 38
3.1 Требования к моделированию 38
3.1 Результаты моделирования 40
3.2 Выводы по третей главе 44
ЗАКЛЮЧЕНИЕ 45
СПИСОК ИСПОЛЬЗОВАННЫХ ИСТОЧНИКОВ 46
ПРИЛОЖЕНИЕ А 51
Введение
Важной задачей в современной робототехнике является разработка способов определения положения робота в окружающем пространстве. Не зная положения робота в пространстве, не зная как выглядит окружающее пространство невозможно решить даже простейшую задачу движения робота из одной точки в другую. Наиболее часто используемые способы определения положения - интегрирование перемещений робота (с помощью одометров) или применение маяков, установленных в определенных местах. Использование маяков не универсально и требует предварительного оборудования рабочих помещений, при этом маяки постоянно должны быть в зоне видимости роботом. Интегрирование показаний одометров не обеспечивает точности позиционирования из-за накопления ошибки по всем отслеживаемым координатам.
Актуальность выбранной темы обусл овлена значимостью развития методов локализации робота и одновременного построения карты местности в современной робототехнике.
Целью данной работы - является разработка алгоритма SLAM на основе фильтра частиц для наземного мобильного робота, использующего простейшие ультразвуковые или инфракрасные датчики дистанции, и моделирование его работы в среде моделирования V-REP.
В соответствии с поставленной целью необходимо решить следующие задачи:
а) Изучить теоретические основы и ознакомиться с основными методами и подходами к решению задачи SLAM;
б) На основе проведенного анализа различных подходов разработать алгоритм, который позволяет определить положения робота в пространстве, и построить карту окружения робота.
в) Провести моделирование работы разработанного алгоритма и провести анализ полученных результатов.
Выпускная квалификационная работа состоит из введения, трёх глав, заключения, списка используемых источников и приложения.
В первой главе раскрываются основные подходы к реализации алгоритма одновременной локализации и построения карты, а также рассматриваются современные реализации алгоритмов, их достоинства и недостатки.
Во второй главе на основе рассмотренного теоретического материала, осуществляется разработка алгоритма для одновременной локализации и построения карты непосредственно для мобильного робота, с помощью ультразвуковых и инфракрасных датчиков.
В третей главе проводится моделирование роботы разработанного алгоритма при использовании ультразвуковых и инфракрасных датчиков в среде моделирования V-REP
Фрагмент работы для ознакомления
Дипломная работа на тему: “Разработка алгоритма построения карты для мобильного робота на основе данных, поступающих от инфракрасных и ультразвуковых датчиков”.
Объем дипломной работы 63 страницы, на которых размещены 14 рисунков и 1 приложение. При написании диплома использовалось 29 источника.
Ключевые слова: SLAM, мобильный робот, фильтр частиц, фильтр Калмана.
Объектом исследования при написании работы послужила проблема построения карты неизвестной местности для мобильного робота.
Предметом исследования работы стало разработка алгоритма одновременной локализации и построения карты (SLAM) для мобильного робота.
В дипломную работу входит введение, три главы, три вывода по написанным главам, итоговое заключение.
Во введении раскрывается актуальность работы по выбранному направлению,ставится проблема, цель и задачи исследования, определяется
В первой главе предложено теоретическое обоснование проблемы построения карты местности для мобильного робота, а также рассматриваются самые современные подходы к её решению.
В выводе по ней подводятся итоги по изучению теоретического материала.
Во второй главе на основе рассмотренного теоретического материала, осуществляется разработка алгоритма для одновременной локализации и построения карты непосредственно для мобильного робота, с помощью ультразвуковых и инфракрасных датчиков.
В выводе по второй главе проводится анализ разработанного алгоритма, его эффективность и степень применимости в реальных условиях.
В третей главе осуществляется моделирование работы разработанного алгоритма, сравнение полученных результатов в зависимости от типа использованных датчиков.
В выводе по третей главе подводятся итоги по моделированию работы алгоритма SLAM, а также анализ его эффективности в зависимости от использованных датчиков.
Заключение посвящено основным выводам и предложениям по разработанному алгоритму одновременной локализации и построению карты местности, с помощью ультразвуковых или инфракрасных датчиков, а также о возможности дальнейшего его использования
Список литературы
СПИСОК ИСПОЛЬЗОВАННЫХ ИСТОЧНИКОВ
1. A new approach to linear filtering and prediction problems / R. E. Kalman // Journal of Basic Engineering. - 1960. - №2. - C. 35 - 45.
2. Welch, G. An Introduction to the Kalman Filter : учеб. пособие / G. Welch, G. Bishop // Department of Computer Science University of North Carolina. - M. : 2006. - 35.
3. Enhanced SLAM for a Mobile Robot using Extended Kalman Filter / K.S. Choi, and S.J. Lee // In¬ternational Journal of Precision Engineering and Manufacturing. - 2010. - №2. - C. 255-264.
4. О некоторых особенностях применения не доопределённых моделей в робототехнике / В.Э. Карпов // V Международная научно-практическая конференция «Интегрированные модели и мягкие вычисления в искусственном интеллекте». - М., - 2009. - Физматлит. - C. 520-532.
5. An EKF SLAM Algorithm for Mobile Robot with Sensor Bias Estimation / X. Xie, Y. Yu, X. Lin, C. Sun // 2016 IEEE International Conference. - M., - 2016. - C. 281 - 285.
6. Адаптация фильтра Калмана для использования с локальной и глобальной системами навигации / А.Н. Забегаев, В.Е. Павловский // XII национальная конференция по искусственному интеллекту с международным участием. - М., - 2010. - Физматлит. - C. 399-404.
7. Zunino, G. Simultaneous Localization and Mapping for Navigation in Realistic Environments : учеб. пособие / G. Zunino - M. : KTH, 2002. - 187 c.
8. Riisgaard, S. SLAM for Dummies : учеб. пособие / S. Riisgaard, M.R. Blas. - M. : 2002. - 127 p.
9. Mobile Robot: SLAM Implementation for Unknown Indoor Environment Exploration, / M. Emharraf, M. Bourhaleb, M. Saber, M. Rahmoun // Journal of Computer Science. - 2016. - № 2. - C. 106 -112.
10. FastSLAM: A factored solution to the simultaneous localization and mapping problem with unknown data association / M. Montemerlo, S. Thrun, D. Koller, B. Wegbreit. // Proceedings of the AAAI National Conference on Artificial Intelligence. - M., - 2002. - С. 593-598.
11. FastSLAM 2.0: An Improved Particle Filtering Algorithm for Simultaneous Localization and Mapping that Provably Converges / M. Montemerlo, S. Thrun //
12. Simultaneous localization and mapping with unknown data association using FastSLAM / M. Montemerlo, S. Thrun. // In Robotics and Automation (ICRA), 2003 IEEE International Conference on. IEEE. - М., - 2003. - C. 234 - 238.
13. DP-SLAM: Fast, Robust Simultaneous Localization and Mapping Without Predetermined Landmark / A. Eliazar, R. Parr // Proceedings of the Eighteenth International Joint Conference on Artificial Intelligence. - М., - 2003. - C. 345-353.
14. DP-SLAM 2.0 / A. Eliazar, R. Parr // 2004 IEEE International Conference. - M., - 2004. - C. 1314-1320.
15. A Flexible and Scalable SLAM System with Full 3D Motion Estimation / S. Kohlbrecher, O. von Stryk, J. Meyer, U. Klingauf. // Safety, Security, and RescueRobotics (SSRR), 2011 IEEE International Symposium. - М., - 2011. - P. 155-160.
16. 2D SLAM Quality Evaluation Methods / A. Filatov, A. Filatov, K. Krinkin // Proceeding of the 21st conference of fruct association. -2017. - С. 120-125.
17. Построение карты мобильным роботом, оснащенным лазерным дальномером, методом рекуррентной фильтрации / С.Л. Зенкевич, А.А. Минин // Мехатроника, автоматизация, управление. - М., - 2007. - № 8. - С. 5-12.
18. A comparison of slam algorithms based on a graph of relations. / W. Burgard, C. Stachniss, G. Grisetti, B. Steder, R. Kmmerle, C. Dornhege, M. Ruhnke, A. Kleiner, and J. D. Tards // 2009 IEEE International Conference on Intelligent Robots and Systems. - М., - 2009. - C. 2089-2095.
19. Tinyslam improvements for indoor navigation. In Multisensor Fusion and Integration for Intelligent Systems (MFI) / A. Huletski, D. Kartashov, K. Krinkin // 2016 IEEE International Conference. - М., - 2016. - C. 493-498.
20. Comparison of methods to efficient graph slam under general optimization framework. In Automation (YAC) / H. Li, Q. Zhang, and D. Zhao // 2017 32nd Youth Academic Annual Conference of Chinese Association. -2017. - C. 321-326.
21. An object-based semantic world model for long-term change detection and semantic querying. In Intelligent Robots and Systems (IROS) / J. Mason and B. Marthi // 2012 IEEE/RSJ International Conference on. - М., - 2012. - C. 3851-3858.
22. An evaluation of 2d slam techniques available in robot operating system. / J. M. Santos, D. Portugal, and R. P. Rocha // In 2013 IEEE International Symposium on Safety, Security, and Rescue Robotics (SSRR). - М., - 2013. - C. 1-6.
23. Real-Time Loop Closure in 2D LIDAR SLAM, in Robotics and Automation (ICRA) / W. Hess, D. Kohler, H. Rapp, D. Andor // 2016 IEEE International Conference. - M., - 2016. - С. 1271-1278.
24. A Visual Landmark Recognition System for Topological Navigation of Mobile Robot / M. Mata, J.M. Armingol, A. Escalera, and M.A. Salics // Interna¬tional Conference on Robotics and Automation. - М., - 2001. -C. 1124-1129.
25. Natural Corners Extraction Algorithm in 2D Unknown Indoor Envi¬ronment with Laser Sensor / R.J. Yan, J. Wu, W.J. Wang // International Confer¬ence on Control, Automation and Systems. - М., - 2012. - C. 983-987.
26. Natural Corners-based SLAM in Unknown Indoor Environment / R.J. Yan, J. Wu, S.J. Lim, J.Y. Lee, and C.S. Han // International Conference on Ubiqui¬tous Robots and Ambient Intelligence. - М., - 2012. - C. 259-261.
27. Алгоритм локальной навигации и картографии для бортовой системы управления автоматического мобильного робота / Р.В. Кучерский, C.В. Манько // In 2013 IEEE International Symposium on Safety, Security, and Rescue Robotics (SSRR). - М., -2013 - C. 13-22.
28. Development and Simulation on V-REP / Manuel F. Silva // 2014 IEEE International Conference on Autonomous Robot Systems and Competitions (ICARSC). - М., - 2014. - C. 315-320.
29. Лутц, М. Изучаем Python: учебник / М. Лутц - 4-е изд. - М. : Символ-Плюс, 2011. - 1280 с
Пожалуйста, внимательно изучайте содержание и фрагменты работы. Деньги за приобретённые готовые работы по причине несоответствия данной работы вашим требованиям или её уникальности не возвращаются.
* Категория работы носит оценочный характер в соответствии с качественными и количественными параметрами предоставляемого материала. Данный материал ни целиком, ни любая из его частей не является готовым научным трудом, выпускной квалификационной работой, научным докладом или иной работой, предусмотренной государственной системой научной аттестации или необходимой для прохождения промежуточной или итоговой аттестации. Данный материал представляет собой субъективный результат обработки, структурирования и форматирования собранной его автором информации и предназначен, прежде всего, для использования в качестве источника для самостоятельной подготовки работы указанной тематики.
bmt: 0.0042