[发明专利]一种蛇形机器人基于激光测距仪的地图创建方法

摘要

本发明公开了一种蛇形机器人基于激光测距仪的地图创建方法，包括启动蛇形机器人和激光测距仪，随着蛇形机器人的运动，激光测距仪实现对环境信息的采集，并对采集的激光数据进行预处理；进行地图初始化，将当前的激光的测量值与当前的地图进行匹配；用Monte‑Carlo算法对机器人粒子集的粒子位姿及权值进行更新，计算机器人粒子集概率中心位姿；用改进的Bresenham算法进行地图的更新。本发明具有算法简单易懂、计算简单准确度高，适用于快速移动的机器人的优点。

主权项

一种蛇形机器人基于激光测距仪的地图创建方法，其特征在于，包括以下步骤：步骤(1)：通过激光测距仪进行环境感知，获取环境信息；步骤(2)：将当前激光测距仪的测量值与当前地图进行匹配；步骤(3)：对蛇形机器人粒子集的粒子位姿及权值进行更新；所述的对蛇形机器人粒子集的粒子位姿及权值进行更新，采用的是Monte‑Carlo算法；每次蛇形机器人感知完环境后这些粒子会重新采样；算法结束时，粒子会收敛于蛇形机器人的实际位置；在每个时刻，由初始状态和到当前时刻所有的测量值Zk＝{zi,i＝1...k}估计当前蛇形机器人的状态；所述Monte‑Carlo算法包含3个阶段：预测阶段：预测阶段用运动模型以概率密度函数的形式来预测当前蛇形机器人的位姿；假设当前的状态xk仅依赖于之前的状态xk‑1和已知的控制输入uk‑1，该运动模型被认定为条件密度p(xk|xk‑1,uk‑1)，对于一阶马尔可夫过程，先验概率密度就可以通过积分得到p(xk|Zk‑1)＝∫p(xk|xk‑1,uk‑1)p(xk‑1|Zk‑1)dxk‑1更新阶段：预测阶段用测量模型整合传感器的信息来获得后验概率密度p(xk|Zk)；假定对于xk测量值zk与之前的测量值Zk‑1是条件独立的；测量模型以似然函数p(zk|xk)的形式给出，这种形式表示在观测值zk的情况下，蛇形机器人在xk的可能性；通过贝叶斯公式更新先验值，得到后验概率密度p(xk|Zk)=p(zk|xk)p(xk|Zk-1)p(zk|Zk-1)]]>重采样阶段：重采样的目的是剔除权值较小的粒子，复制权值较大的粒子,通过对后验概率密度再采样Ns次，得到新的粒子；步骤(4)：进行地图更新；所述的地图更新方法采用的是改进的Bresenham算法，只采用整数运算。