移動機器人同步定位與地圖構(gòu)建關(guān)鍵技術(shù)的研究.pdf

1、移動機器人同步定位與地圖構(gòu)建(SimultaneousLocalizationandMapping,以下簡稱SLAM),是通過機器人自身攜帶的傳感器在線測量和位置估計,從而在部分已知或完全未知環(huán)境中實現(xiàn)機器人的自定位和增量式地圖構(gòu)建。這一無需先驗地圖的導航手段,對于移動機器人長時間無人現(xiàn)場的自主作業(yè)而言是至關(guān)重要的。
　　本課題選自國家自然科學基金項目“小型自主水下航行器群體協(xié)同地形勘察關(guān)鍵技術(shù)研究”,以移動機器人為研究對象,深入

2、開展了以下關(guān)鍵技術(shù)研究:
　　首先,定義了移動機器人SLAM研究所需的坐標系,并在此基礎上建立了移動機器人運動模型、傳感器觀測模型、環(huán)境特征模型及數(shù)據(jù)關(guān)聯(lián)模型,從而為SLAM關(guān)鍵技術(shù)研究搭建了統(tǒng)一的平臺。
　　其次,針對環(huán)境特征地圖的不完備性及自然實體路標的不規(guī)則性,提出了描述自然實體路標的位置屬性和大小屬性的圓型類特征表示法,即用圓型類特征的中心位置表示實體路標的中心位置,用圓型類特征的直徑表示實體路標的空間俯視的大小屬性

3、;提出了基于角度-距離復合聚類的環(huán)境特征提取算法,該算法包括數(shù)據(jù)預處理、區(qū)域分割和特征參數(shù)擬合三部分,并通過“VictoriaPark”標準數(shù)據(jù)集驗證了算法的可行性;設計了EKF-SLAM仿真算法,并通過人工設定路標和機器人路徑的仿真實驗,驗證了算法的有效性。
　　再次,提出了自適應重采樣的FastSLAM算法,通過實時計算有效粒子個數(shù)和評判粒子退化程度,實施有效的重采樣操作,從而有效地改善頻繁重采樣所導致的樣本枯竭影響;根據(jù)粒子

4、濾波和粒子群的相似性,提出采用粒子群優(yōu)化算法改進FastSLAM,并利用多樣性啟發(fā)因子引導粒子群優(yōu)化搜索過程,以保證粒子集多樣性最優(yōu)。該算法經(jīng)自行設計的仿真實驗,驗證了算法的可行性和有效性。
　　最后,圍繞SLAM的數(shù)據(jù)關(guān)聯(lián)問題,給出了SLAM數(shù)據(jù)關(guān)聯(lián)的解釋樹模型和關(guān)聯(lián)矩陣模型;針對單一兼容最近鄰數(shù)據(jù)關(guān)聯(lián)算法中固定不變的最近鄰判定閾值與實際不符且極易造成關(guān)聯(lián)錯誤的情況,提出了一種基于分段自適應閾值動態(tài)調(diào)整算法的單一兼容最近鄰數(shù)據(jù)關(guān)