当前，繁重、危险的作业愈来愈多，如何更好地运用人工智能服务人类是当今社会研究的一项技术。我们所模拟的这种未知环境下环境检测在诸如室内清洁、除草等服务以及矿难搜索等危险场合能发挥其优势，不仅节省了人力还避免了人员深入险境，具有很强的实际意义。
1．4  论文结构安排
论文共分为751部分：绪论、移动机器人障碍物检测、基于全区域覆盖的路径规划、移动机器人同步定位与地图创建（SLAM）、精度分析、总结。
    第一部分绪论：绪论主要介绍了自主移动机器人的概念，因该课题涉及到机器人导航的很多方面，所以我们着重介绍了移动机器人导航及其发展的现状。
第二部分移动机器人障碍物检测：该部分介绍了目前基于视觉的障碍物识别的四种方法，这四种方法应用于图像处理场合，而我们的仿真只要模拟传感器模型即可。
第三部分基于全区域覆盖的路径规划：该部分介绍了全区域覆盖的概念和实现的路径规划方式。针对选用的迂回式路径规划，在算法和仿真的实现上给出了详细的说明。
第四部分移动机器人同步定位与地图创建（SLAM）：该部分介绍了SLAM的概念以及涉及的理论和技术，提出了解决问题实现SLAM的方法，最后给出了相应的算法和仿真结果。
第五部分精度分析：该部分以表格的形式给出了地图创建结果的精度分析。
第751部分总结：该部分总结了上述所做的工作以及该项研究的优缺点，对不足之处提出了改进。

2  移动机器人障碍物检测
2．1  障碍物检测的研究
提到移动机器人，不得不说的是障碍物检测和识别，这也是该领域研究的又一热点和值得重视的问题，同时也是机器人避障和地图构建首先要解决的问题[10]。
环境未知情况下，要想对障碍物有一个明确地定义是很难得，更何况对移动机器人来说，障碍物可以是静态的，也可以随机出现在机器人行进过程。在移动机器人导航中，为了使其在所处环境中自主可靠地运动，障碍物检测及避障是不可或缺的一部分，同时也为实现机器人的路径规划提供了依据。近年来，基于结构化环境的障碍物检测也备受关注，研究者提出了如双目CCD计算机视觉方法、基于激光雷达的方法、基于光流的方法等基于不同传感器的障碍物检测方法[11]。
其中，在众多的方法中越来越受人们重视的是基于视觉传感器的方法。在行进过程中，机器人能够利用自身所带的视觉传感器来采集机器人视觉范围内的环境图像，并利用其内部的图像处理等相关技术，自动检测障碍物模型（如边界信息等），给出一定的障碍物模型，为机器人采取相应及时的避障策略提供先决条件。至于如何通过图像信息进行障碍物检测，国内外学者经过不懈地努力探索，也有所收获。
以下给出几种在基于视觉的障碍物检测研究中常见的方法：
1. 彩色图像分割
这种方法主要是利用视觉技术进行区域分割。其中，颜色是分割可移动和不可移动区域间具有最高相关特征的因素。因此，所采集到的图像必须是彩色的。CMU研究的室外机器人，中国科学院研究的仿生机器鱼等[12]就用到了该种方法。
但在实际环境中，诸如树叶、阴影水迹等与背景颜色虽然不一致，但也不能成为障碍物，而在该种方法中则可能被划分为障碍物，这也是该种方法的不足之处。
2. 边缘检测
为了使图像背景能够和图像中我们所要关注的物体、线条彼此区分，在有关图像处理的研究中，图像的边缘是众多研究者着重研究的对象，它涵盖着大量的信息。边缘检测的方法有：一是像拟合法、微分法等这种基于某种固定的局部运算法[12]。二是像神经网络分析法、松弛法等以能量最小为准则的全局提取法[12]。三是以分形理论、小波变换等为代表的图像边缘提取的新方法[12]。 移动机器人障碍物检测仿真技术研究(3):http://www.751com.cn/zidonghua/lunwen_14219.html