基于貝葉斯濾波器的移動(dòng)機(jī)器人同時(shí)定位與地圖創(chuàng)建算法研究.pdf

1、隨著人工智能技術(shù)的不斷發(fā)展，移動(dòng)機(jī)器人在制造工業(yè)、國(guó)防軍事、航天航空、衛(wèi)生醫(yī)療、家庭服務(wù)等領(lǐng)域中得到了廣泛的應(yīng)用。移動(dòng)機(jī)器人的同時(shí)定位與地圖創(chuàng)建是目前機(jī)器人學(xué)的熱點(diǎn)研究課題之一，它是移動(dòng)機(jī)器人實(shí)現(xiàn)真正意義上的自主化和智能化的關(guān)鍵前提。由于移動(dòng)機(jī)器人的實(shí)際作業(yè)環(huán)境中存在各種不確定干擾因素，其測(cè)量系統(tǒng)的噪聲往往具有非高斯重尾分布或者參數(shù)先驗(yàn)信息未知等特性。在這些復(fù)雜未知環(huán)境下，傳統(tǒng)的基于貝葉斯濾波估計(jì)技術(shù)的同時(shí)定位與地圖創(chuàng)建算法性能受到了嚴(yán)

2、重影響，其定位精度、地圖準(zhǔn)確性和計(jì)算效率無(wú)法滿足實(shí)際應(yīng)用的需求。為了提高傳統(tǒng)算法在復(fù)雜未知環(huán)境下的估計(jì)性能，本文分別對(duì)基于高斯濾波器、粒子濾波器和概率假設(shè)密度濾波器的同時(shí)定位與地圖創(chuàng)建算法進(jìn)行了改進(jìn)研究，具體內(nèi)容包括:
　　(1)從貝葉斯濾波估計(jì)角度出發(fā)，分別對(duì)基于高斯濾波器、粒子濾波器和概率假設(shè)密度濾波器的同時(shí)定位與地圖創(chuàng)建算法進(jìn)行了分析總結(jié)，為后續(xù)改進(jìn)相應(yīng)算法的研究工作提供了理論基礎(chǔ)。
　　(2)對(duì)測(cè)量系統(tǒng)噪聲為非高斯重

3、尾分布時(shí)的同時(shí)定位與地圖創(chuàng)建算法進(jìn)行了研究，提出了一種基于統(tǒng)計(jì)線性回歸魯棒優(yōu)化的同時(shí)定位與地圖創(chuàng)建算法。首先，基于平方根容積卡爾曼濾波器對(duì)聯(lián)合狀態(tài)向量進(jìn)行預(yù)測(cè)估計(jì)。然后，將狀態(tài)的測(cè)量更新方程轉(zhuǎn)換成等價(jià)的統(tǒng)計(jì)線性回歸形式，并利用廣義最大似然估計(jì)法計(jì)算當(dāng)前測(cè)量殘差向量對(duì)應(yīng)的增益權(quán)值矩陣。最后，通過(guò)迭代重加權(quán)最小平方法對(duì)聯(lián)合狀態(tài)的后驗(yàn)均值和協(xié)方差平方根因子進(jìn)行估計(jì)。
　　(3)對(duì)FastSLAM算法中采樣粒子質(zhì)量差和計(jì)算效率低的問(wèn)題進(jìn)行

4、了研究，提出了一種改進(jìn)粒子提議分布估計(jì)及粒子重采樣方法的UFastSLAM算法。首先，將控制噪聲和測(cè)量噪聲同時(shí)增廣至機(jī)器人位姿狀態(tài)向量中，并采用平方根轉(zhuǎn)換無(wú)味卡爾曼濾波器對(duì)最優(yōu)粒子提議分布進(jìn)行估計(jì)。然后，根據(jù)該粒子提議分布對(duì)機(jī)器人位姿狀態(tài)進(jìn)行采樣和特征地圖的狀態(tài)更新。最后，在粒子重采樣階段，采用基于KL散度的自適應(yīng)粒子重采樣方法確定當(dāng)前時(shí)刻所需的粒子個(gè)數(shù)。
　　(4)對(duì)環(huán)境中同時(shí)存在雜波干擾和未知測(cè)量噪聲方差的同時(shí)定位與地圖創(chuàng)建算