面向自主導(dǎo)航的移動機器人SLAM研究.pdf

1、機器人的研究發(fā)展和廣泛應(yīng)用對國防、航天航空、工業(yè)、農(nóng)業(yè)以及科學(xué)技術(shù)具有重要意義。自主移動機器人通過自身配備的傳感器自動獲取未知作業(yè)區(qū)域的環(huán)境信息，建立環(huán)境模型和識別自身當(dāng)前的位置，實現(xiàn)在有障礙物的未知環(huán)境中面向目標(biāo)的自主運動，即自主導(dǎo)航。自主導(dǎo)航是自主移動機器人最基本也是最關(guān)鍵的問題，在近二十年里成為移動機器人領(lǐng)域的研究熱點。
　　 建立未知環(huán)境模型的同時解決機器人自身精確定位問題即機器人同時定位與地圖創(chuàng)建(Simultaneo

2、us Localization and Mapping，SLAM)，是自主導(dǎo)航的核心問題。傳統(tǒng)的被動式SLAM過程中，移動機器人在人為控制的情況下運動。在未知環(huán)境中沒有人為干預(yù)的情況下，機器人自主決定行進(jìn)的方向并規(guī)劃出可行路徑，同時確定自身位姿并創(chuàng)建環(huán)境地圖的主動式SLAM研究則使機器人真正實現(xiàn)自主導(dǎo)航。
　　 本文對移動機器人自主導(dǎo)航中的SLAM問題進(jìn)行研究，在傳統(tǒng)的被動式SLAM算法的基礎(chǔ)上，提出一些改進(jìn)方法及解決方案，以提

3、高SLAM算法的計算效率和估計精度，擴展SLAM算法應(yīng)用范圍。應(yīng)用行為動力學(xué)與滾動窗口路徑規(guī)劃方法解決主動式SLAM問題。具體的研究內(nèi)容與創(chuàng)新點如下：
　　 1.提出并實現(xiàn)了自適應(yīng)搜索的延遲極小連通支配集數(shù)據(jù)關(guān)聯(lián)算法。SLAM算法的計算效率與定位精度是矛盾的，定位精度的提高往往以降低計算效率為代價，數(shù)據(jù)關(guān)聯(lián)算法的性能不但影響SLAM的估計精度，而且影響SLAM的計算效率。常見的數(shù)據(jù)關(guān)聯(lián)算法側(cè)重于數(shù)據(jù)相容性檢驗準(zhǔn)則與數(shù)據(jù)搜索策略方

4、面的優(yōu)化，該算法通過減少關(guān)聯(lián)數(shù)據(jù)的搜索空間來降低計算復(fù)雜度。研究結(jié)果表明，所提出的數(shù)據(jù)關(guān)聯(lián)算法在保證估計精度的情況下明顯提高了SLAM算法的計算效率。
　　 2.提出并實現(xiàn)了基于特征的改進(jìn)精確稀疏滯后狀態(tài)濾波SLAM算法。原基于景象的精確稀疏滯后狀態(tài)濾波SLAM算法應(yīng)用于特征稀疏的環(huán)境中時，會因無稀疏化步驟而導(dǎo)致SLAM算法不恒時執(zhí)行。該算法針對基于景象的精確稀疏滯后狀態(tài)濾波SLAM算法的實際應(yīng)用缺陷提出一種組合判斷條件，該組合

5、判斷條件綜合了新觀測信息或當(dāng)前時刻發(fā)生顯著運動的機器人位姿兩種情況。研究結(jié)果表明，所提出的算法在保證SLAM算法的精度的同時降低了計算復(fù)雜度。
　　 3.提出并實現(xiàn)了基于精確稀疏滯后狀態(tài)濾波的粒子濾波SLAM算法。該算法利用精確稀疏滯后狀態(tài)濾波的自然稀疏信息矩陣的非零元素反映機器人位姿相對變化的同時，也對應(yīng)于狀態(tài)后驗概率的條件概率的性質(zhì)，應(yīng)用Gibbs采樣直接從SLAM完全后驗分布產(chǎn)生樣本，充分利用了信息矩陣包含的不確定信息，保

6、持了粒子的多樣性。研究結(jié)果表明，所提出算法的粒子集能夠更好地描述真實后驗分布，顯著提高了SLAM算法的估計精度。
　　 4.提出并實現(xiàn)了基于行為動力學(xué)與滾動窗口路徑規(guī)劃的主動式SLAM算法。傳統(tǒng)的被動式SLAM算法中，未知環(huán)境中的機器人沿預(yù)先給定的路徑運動。主動式SLAM算法必須解決控制律與運動路徑規(guī)劃需要在同時定位與地圖創(chuàng)建過程中同步產(chǎn)生的問題。該算法應(yīng)用行為動力學(xué)計算航向角與運動速度組成的控制律，應(yīng)用滾動窗口規(guī)劃路徑，子地圖