基于局部子圖匹配的SLAM解決方法.pdf

1、移動(dòng)機(jī)器人是一個(gè)集環(huán)境感知,動(dòng)態(tài)決策與規(guī)劃,行為控制與執(zhí)行等多功能于一體的綜合系統(tǒng)。機(jī)器人同時(shí)定位與地圖建模問(wèn)題(SLAM)是移動(dòng)機(jī)器人中的一個(gè)重要領(lǐng)域,是移動(dòng)機(jī)器人技術(shù)的基礎(chǔ)。SLAM問(wèn)題的解決可以使機(jī)器人在沒(méi)有地圖先驗(yàn)知識(shí)和其他獨(dú)立定位系統(tǒng)情況下工作,進(jìn)而使機(jī)器人實(shí)現(xiàn)真正意義上的自治,給自主移動(dòng)機(jī)器人的應(yīng)用開(kāi)拓了巨大的前景。
　　 本文以未知環(huán)境下移動(dòng)機(jī)器人SLAM問(wèn)題為主要研究?jī)?nèi)容。首先介紹了國(guó)內(nèi)外移動(dòng)機(jī)器人研究的歷史和現(xiàn)

2、狀,接著介紹了現(xiàn)有通用的SLAM問(wèn)題解決方法,并且分析其優(yōu)缺點(diǎn),針對(duì)現(xiàn)有方法在機(jī)器人“綁架”時(shí)失效的情況,在現(xiàn)有算法基礎(chǔ)上提出了基于局部子圖匹配的SLAM解決方法,該方法對(duì)現(xiàn)有的SLAM解決構(gòu)架進(jìn)行了改進(jìn),提出交點(diǎn)最優(yōu)匹配的特征相關(guān)算法,并且將奇異值分解方法引入機(jī)器人定位。最后,在此方法上做了進(jìn)一步改進(jìn),提高算法的魯棒性。
　　 本文的主要貢獻(xiàn)如下:
　　 1.提出了新的SLAM解決構(gòu)架。經(jīng)過(guò)直線(xiàn)特征提取,找出每個(gè)局部地

3、圖對(duì)應(yīng)的路標(biāo)并和全局地圖中的路標(biāo)進(jìn)行匹配,得到相關(guān)的匹配路標(biāo),并以此相關(guān)的匹配路標(biāo)對(duì)機(jī)器人位姿進(jìn)行估計(jì),子圖關(guān)聯(lián)的數(shù)據(jù)關(guān)聯(lián)算法把機(jī)器人里程計(jì)信息排除在外,和里程計(jì)信息分開(kāi)處理,這樣避免了一般SLAM框架下非線(xiàn)性預(yù)測(cè)更新模型線(xiàn)性化帶來(lái)的系統(tǒng)誤差,避開(kāi)了機(jī)器人“綁架”的最大障礙。
　　 2.提出新的特征匹配算法。提出了基于特征線(xiàn)段交點(diǎn)的新的路標(biāo)提取算法和匹配算法,采用特征線(xiàn)段的交點(diǎn)代替自然特征點(diǎn)來(lái)產(chǎn)生路標(biāo),避免了自然路標(biāo)遺漏的問(wèn)題,

4、使路標(biāo)提取更具有魯棒性。路標(biāo)的相關(guān)匹配是N-P問(wèn)題,本文提出了一種相對(duì)最優(yōu)特征相關(guān)算法。
　　 3.將奇異值分解方法(SVD)引入機(jī)器人定位。它在獲取機(jī)器人位姿時(shí)不需要進(jìn)行迭代搜索,運(yùn)算的精度和速度都優(yōu)于一般方法。
　　 4.提出了自適應(yīng)閡值的直線(xiàn)提取算法?？紤]了激光雷達(dá)采樣角度和采樣點(diǎn)距離的相互關(guān)系,提高了直線(xiàn)提取的準(zhǔn)確度。
　　 最后,通過(guò)仿真實(shí)驗(yàn)比較了現(xiàn)有算法和本文算法在不同情況下的地圖建模和機(jī)器人定位,證