移動(dòng)機(jī)器人同步定位與地圖重建算法研究.pdf

1、目前，移動(dòng)機(jī)器人的研究范圍已經(jīng)從地面擴(kuò)展到水下、空中、甚至太空和行星表面等多種環(huán)境，并取得了卓越的研究成果。在所有移動(dòng)機(jī)器人的研究中，機(jī)器人自身的準(zhǔn)確定位是一項(xiàng)最基本、最重要的功能。機(jī)器人自身定位的準(zhǔn)確性依賴于環(huán)境地圖的精確性，然而精確的環(huán)境地圖重建又依賴于機(jī)器人自身定位的準(zhǔn)確性。因此，環(huán)境地圖的重建和機(jī)器人自身定位是一個(gè)相互關(guān)聯(lián)的過程，為了實(shí)現(xiàn)機(jī)器人真正意義上的自主性，必須將這兩個(gè)問題作為一個(gè)問題來進(jìn)行考慮，以使得移動(dòng)機(jī)器人同時(shí)具有準(zhǔn)

2、確的自身定位和精確的環(huán)境地圖重建能力。本文針對(duì)這一問題，對(duì)環(huán)境地圖重建，機(jī)器人定位以及多機(jī)器人地圖融合算法分別進(jìn)行了研究。
　　 第一章緒論部分首先闡述了當(dāng)前移動(dòng)機(jī)器人技術(shù)的研究現(xiàn)狀，然后對(duì)移動(dòng)機(jī)器人的環(huán)境地圖重建方法和定位算法進(jìn)行了分類，最后給出了本論文的研究?jī)?nèi)容和論文結(jié)構(gòu)。
　　 第二章提出了一種新的二維激光測(cè)距儀數(shù)據(jù)分段算法。首先，構(gòu)造了激光測(cè)距儀相鄰數(shù)據(jù)點(diǎn)間的預(yù)測(cè)關(guān)聯(lián)模型和測(cè)量模型。然后，利用無味卡爾曼濾波器對(duì)預(yù)

3、測(cè)關(guān)聯(lián)模型和測(cè)量模型的輸出進(jìn)行估計(jì)，通過測(cè)量模型的輸出和實(shí)際二維激光測(cè)距儀的測(cè)量數(shù)據(jù)獲得各個(gè)測(cè)量數(shù)據(jù)點(diǎn)的卡方分布，根據(jù)卡方分布進(jìn)行測(cè)量數(shù)據(jù)中線段間斷點(diǎn)的檢測(cè)。最后，利用極坐標(biāo)系下的最佳傾角和最佳距離對(duì)處于同一線段內(nèi)的測(cè)量數(shù)據(jù)點(diǎn)進(jìn)行線段擬合。
　　 第三章提出了基于稀疏擴(kuò)展信息濾波器的機(jī)器人同步定位與地圖重建算法中稀疏化操作的最佳時(shí)機(jī)，合適的稀疏化操作方法，以及稀疏化操作后信息矩陣最大內(nèi)存占用量的解析表達(dá)式。首先，通過對(duì)每個(gè)可應(yīng)用

4、稀疏化操作位置的稀疏化操作時(shí)間消耗和信息丟失進(jìn)行分析，得到了稀疏化操作的最佳時(shí)機(jī)。然后，對(duì)迭代稀疏化操作和批處理稀疏化操作的計(jì)算量進(jìn)行比較得到了一種合適的稀疏化操作方法。最后，通過對(duì)信息矩陣的分析，得到了稀疏化操作后信息矩陣最大內(nèi)存占用量的解析表達(dá)式。
　　 第四章提出了改進(jìn)重采樣方法和粒子采樣函數(shù)的FastSLAM算法。首先，通過蒙特卡洛方法分析可知，粒子重采樣和粒子采樣函數(shù)是影響FastSLAM2.0算法中機(jī)器人位姿估計(jì)一致

5、性的兩個(gè)主要因素。然后，在粒子重采樣判定時(shí)，綜合考慮了粒子權(quán)重分布、各個(gè)粒子在上一時(shí)刻的測(cè)量殘余一致性以及有效粒子數(shù)；在新粒子生成時(shí)，先利用指數(shù)等級(jí)方法選取父粒子，再根據(jù)交叉算子和選取的父粒子生成新的粒子。最后，構(gòu)造了一種改進(jìn)的輔助粒子濾波器，并將其作為FastSLAM算法的粒子采樣函數(shù)。
　　 第五章提出了一種基于機(jī)器人間相對(duì)測(cè)量數(shù)據(jù)的地圖融合算法。首先，根據(jù)機(jī)器人間的相互測(cè)量數(shù)據(jù)推導(dǎo)出了多機(jī)器人的地圖融合模型。然后，利用擴(kuò)展