为提高移动机器人自主探索室内未知环境的能力,基于实时获取的里程计和激光雷达数据,提出了一种面向室内环境的主动SLAM算法。首先利用激光雷达高精度特性,进行高频率的扫描匹配,提高了机器人定位和建图精度。同时基于实时地图,通过边界探索算法实现了机器人自主、高效遍历室内环境,并建立全局地图。鉴于室内环境通常是动态的,在全局路径规划的基础上引入局部路径规划,实现了机器人运动过程中的实时避障。使用Kobuki移动机器人平台在室内环境中进行了实验验证,实验结果表明该算法在小规模室内场景下的建图精度约为5cm,全程用时约为人为遥控方式的1.5倍。

为了实现机器人在动态环境下沿最优路径安全行驶,提出了基于新型启发蚁群算法的路径规划和避撞策略。建立了机器人工作环境的栅格模型,给出了路径质量评价标准。基于蚁群算法,引入了信息素浓度的梯度初始化方法,有效提高了算法前期搜索效率;给出了一种用于平滑路径的新型启发信息,提出了新型启发蚁群算法并用于全局路径规划。在设定场景下,给定了障碍物检测方法与正面避撞、侧面避撞策略。经仿真验证,新型启发蚁群算法规划路径长度短、收敛次数少、平滑性好,且避撞策略可以有效躲避障碍物,保证机器人安全行驶。

针对室内移动机器人在动态环境下不能准确估计位姿的问题,提出一种结合帧差法和背景补偿的RGBD视觉同步定位与建图方法。利用ORB方法进行特征点检测和匹配,然后利用LK光流法部分消除动态物体对全局运动估计的影响并进行背景补偿,最后使用帧差法得到动态目标,在位姿估计中去除动态目标上的特征点,加上形态学腐蚀和膨胀运算去除噪声对提取目标过程的影响。在TUM数据集下的实验表明,提出的方法可以有效提高定位精度,减少动态物体的影响。