移動(dòng)機(jī)器人狀態(tài)估計(jì)算法魯棒性改進(jìn)方法研究.pdf

1、移動(dòng)機(jī)器人在完成運(yùn)輸、清潔、搜救和監(jiān)控等任務(wù)的過程中均需要利用狀態(tài)估計(jì)器來獲得各種基本信息，因此狀態(tài)估計(jì)是移動(dòng)機(jī)器人領(lǐng)域核心研究課題之一。
　　在移動(dòng)機(jī)器人狀態(tài)估計(jì)領(lǐng)域中，視覺里程計(jì)（Visual Odometry）問題和同步定位與地圖構(gòu)建(Simultaneous Localization and Mapping，SLAM)問題是兩個(gè)典型基礎(chǔ)問題。本文主要研究如何提升視覺里程計(jì)與SLAM問題相關(guān)算法的魯棒性。
　　在本文的

2、第一部分中，提出了兩種改進(jìn)RGB-D視覺里程計(jì)算法魯棒性的方案:首先，本文考慮了視覺里程計(jì)優(yōu)化問題中一類利用Logistic函數(shù)進(jìn)行權(quán)值計(jì)算的加權(quán)最小二乘形式的問題模型。本文提出了一種采用最大期望(Expectation Maximization，EM)算法對(duì)其中的權(quán)重和運(yùn)動(dòng)狀態(tài)量進(jìn)行交替估計(jì)的改進(jìn)方案;隨后，本文考慮了視覺里程計(jì)優(yōu)化問題中一種基于雙目標(biāo)優(yōu)化的問題模型，并分別采用加權(quán)求和標(biāo)量化（weighted sum scalariz

3、aiton）與切比雪夫標(biāo)量化(Chebyshev scalarization)兩種方法來對(duì)問題進(jìn)行求解。由實(shí)驗(yàn)結(jié)果可以看到，同現(xiàn)有方法相比，本文提出的改進(jìn)方法在圖像的灰度或深度特征缺乏時(shí)魯棒性更強(qiáng)。
　　在本文的第二部分中，提出采用L1形式的目標(biāo)函數(shù)來增強(qiáng)Linear SLAM算法魯棒性。由實(shí)驗(yàn)結(jié)果可知，同現(xiàn)有采用L2形式目標(biāo)函數(shù)的方法相比，本文提出的改進(jìn)方法實(shí)時(shí)性較差。然而，這種改進(jìn)方法卻為解決Linear SLAM中非線性優(yōu)化