Melakukan

使用自动指导的车辆机器人

摘要 - 自主机器人在工业世界中生长和使用，并且变得很重要，该机器人广泛用于各个工业领域。自主机器人使用导航系统识别环境，导航在自主机器人中具有重要作用。除了应用良好的导航外，还需要在周围环境中获得准确的地图，以便机器人可以根据环境移动。在这项研究中，将使用Hector SLAM算法方法对映射结果进行准确分析，以通过模拟和实时（机器人）映射周围环境。在这项研究中，它具有几个重要组件，即机器人操作系统（机器人操作系统），即诸如Hector扫描匹配的数据滤波器，可构建所获得的数据，以及极大地影响生成地图质量的传感器类型。本研究测试Hector扫描匹配算法是否可以准确映射环境。这项研究的结果可以得出结论，从模拟和机器人（真实）生成的地图具有相当好的精度。这是基于与模拟和机器人（真实）映射的结果匹配的第一个方案，该结果的精度为SSIM：77.26％，MSE错误：3.96％，像素匹配：55.46％的机器人（真实）映射结果。同时，从用于与获得SSIM准确性的机器人相比的第二种情况下获得的仿真结果：87.29％，MSE错误：1.65％和像素匹配：81.11％。Kata Kunci：机器人操作系统，Hector-SLAM，Hector扫描匹配，均方根误差，像素匹配，结构相似性图像度量，峰值信噪比，LIDAR。摘要 - 自主机器人在工业界越来越多地发展和使用，在各个工业领域都发挥了重要作用并广泛使用。自主机器人使用导航系统浏览其环境，导航在自主机器人中至关重要。为了实施有效的导航，它需要准确的周围环境地图，以便机器人可以根据周围环境移动。这项研究分析了使用Hector SLAM算法方法通过模拟和实时（机器人）绘制周围环境的映射的准确性。这项研究包括几个重要组件，即机器人操作系统（机器人操作系统），数据过滤器（例如用于构建获得的数据的Hector扫描匹配）等数据过滤器，传感器类型显着影响所得地图的质量。研究检查了Hector扫描匹配算法是否可以准确映射环境。这项研究的结果可以得出结论，由模拟和真实机器人产生的地图具有相对良好的精度。这是基于仿真和真实机器人映射的匹配结果，在方案1中结果得出了SSIM的精度：77.26％，MSE错误：3.96％，像素匹配：55.46％的真实机器人映射结果。同时，从用于与机器人进行比较的方案2中获得的仿真结果，SSIM的准确性：87.29％，MSE错误：1.65％和像素匹配：获得了81.11％。关键字：机器人操作系统，Hector-slam，Hector扫描匹配，均方根误，像素匹配，结构相似性图像指标，峰值信噪比，LIDAR