移動機器人同時定位與地圖創(chuàng)建的研究.pdf

1、在移動機器人領域，同時定位與地圖創(chuàng)建(Simultaneous Localization and Mapping,SLAM)問題的研究日益受到人們關注，被認為是實現(xiàn)真正全自主移動機器人的關鍵。
　　本文描述了機器人位置模型及環(huán)境地圖模型的表示方法，建立了移動機器人的運動模型、觀測模型。
　　室內環(huán)境特征可主要抽象為點特征和線段特征。根據(jù)超聲測距傳感器的特點，對于同一特征的不同測量，點特征的位置為傳感器測量圓弧的交點，線段特征

2、位置為傳感器測量圓弧切線，獲得特征位置前需要先進行特征類型的判斷。本文提出的直線多次測量模型，通過比較測量圓弧交點間的接近程度與切點間的接近程度，實現(xiàn)了室內環(huán)境點和線段特征的類型判別，再通過測量圓弧交點和切點的計算完成特征參數(shù)的提取，使配備超聲測距傳感器的移動機器人能有效獲得特征觀測量，確定環(huán)境特征的位置。本文將此方法用于移動機器人SLAM問題研究中，用直線多次測量模型獲取系統(tǒng)觀測量，實現(xiàn)了基于超聲測距特征地圖的SLAM。
　　機

3、器人運動系統(tǒng)模型普遍存在著模型信息不準確不完整、系統(tǒng)參數(shù)容易變化等問題，在應用擴展卡爾曼濾波解決SLAM問題時使預測估計不可靠，進而使基于此估計值的特征觀測量誤差變大，最終使濾波發(fā)散。本文提出了將神經網(wǎng)絡輔助卡爾曼濾波的方法，用神經網(wǎng)絡的非線性擬合能力來逼近模型誤差。把神經網(wǎng)絡的全部連接權值擴展到系統(tǒng)狀態(tài)中，用擴展卡爾曼濾波進行狀態(tài)估計的同時在線訓練網(wǎng)絡權值，使網(wǎng)絡在線學習獲取模型誤差校正機器人位姿估計。本文推導了基于神經網(wǎng)絡的輔助卡爾