[发明专利]一种同步定位与地图构建和路径规划方法

说明书

本发明提供了一种同步定位与地图构建和路径规划方法；包括：步骤1，同步定位与地图构建；利用改进的EKF SLAM算法对物流仓进行环境地图构建与同步定位，获取物流仓的现场物理数据；步骤2，利用改进的路径规划算法，对巡检目标进行路径规划，提供最优路径，使得巡检机器人能够在最短时间内到达目标点；步骤3，在巡检过程中，判断现场环境是否存在温度异常物品；步骤4，进行检测，判断物流仓是否有可燃性气体，是否存在安全隐患；步骤5，进行信息采集。本发明一种16邻域路径规划算法，引入了16邻域的搜索方法，解决了搜索维度少而造成的路径次优问题，该方法更加平滑，更加接近实测最优路径。

技术领域

本发明属于机器人技术领域；尤其涉及一种同步定位与地图构建和路径规划方法。

背景技术

目前，随着电子商务的飞速发展，物流仓库的规模和吞吐量在显著增大，为了节约存储空间并进行高效管理，物流仓库需要将货物摆放的密集且规则。如此高密度的货物存储，物流仓安全问题已成为重中之重，对物流仓库管理提出了新挑战。目前包括中国、日本、加拿大等多个国家都在进行针对以物流仓为应用背景的智能巡检机器人研究和推广。物流仓巡检机器人旨在将移动机器人应用于无人值守或少人值守的物流仓场景。以移动机器人为平台，搭载多种智能化检测装备，对仓库现场信息进行及时准确的检测，上传云平台及时感知物流仓的安全隐患，以便于对检测现场下达及时有效的处理指令。保证物流仓储安全稳定的运行。

物流仓为追求空间的最大化利用，通常会高密度的存储货物，因此仓库安防成为不可忽视的一环。现有的物流仓监测一般通过室内加装多个摄像头和人工巡检的方式组合进行。该方法存在经济开支大、人力资源浪费、检测精度不够及响应不及时等问题。研究设计一款通过携带智能化检测装备对周围环境进行自主感知巡检机器人。该机器人能够应对复杂昏暗现场环境，合理规划路径，不间断地负责对物流仓内可燃性气体检测、红外热图采集、远程视屏监控等进行巡检，基于智能算法自动识别设备的状态信息，从而取代人工对物流仓库进行设备检测和预警分析的功能。

SLAM的主要任务是对机器人的位置估计信息进行更新。由于仅单一的通过运动信息推算出来的位置信息存在精度不高的问题，通过引入观测信息，滤波的作用是将两者信息结合起来赋给不同的权重来修正预测值。由于扩展卡尔曼滤波在处理非线性问题时，对非线性函数进行近似化处理，即仅保留泰勒展开的一阶项，这就给估计带来了很大的误差。要实现EKF滤波后的结果更加接近真实值，要求系统的状态方程和观测方程都接近线性且连续。

EKF SLAM算法进行理论推导如下：

(1)定义二维EKF SLAM的状态变量

状态变量定义为：

X＝(φ,X_r,X₁,…,X_N) (3.4)

式中，φ代表机器人的方向，X_r＝(x_r,y_r)代表机器人当前位置，X₁＝(x₁,y₁),…X_N＝(x_N,y_N)代表机器人观测到地图上的地标点位置信息。将机器人的方向φ分开标注的原因是其在收敛性和一致性分析上有着重要的作用。

(2)预测

①过程模型：式(3.5)表示机器人的过程模型：

简写为：

式中，v，r代表控制输入，δ_γ，δ_v是关于v，r均值为零的高斯白噪声，T代表机器人每移动一步的时间间隔，函数f_φ的显示公式依据于移动机器人。

以简单离散时间机器人为例进行分析。机器人运动模型如下所示：