基于粒子濾波的機器人定位及目標跟蹤.pdf

1、近年來，移動機器人同時定位與地圖構(gòu)建(Simultaneous Localization and Mapping，SLAM)已經(jīng)成為智能機器人研究領(lǐng)域的熱點話題。應(yīng)用傳感器感知的信息實現(xiàn)可靠定位是自主移動機器人最基本、最重要的能力，也是機器人研究中備受關(guān)注富有挑戰(zhàn)性的一個研究主題。機器人同時定位與地圖創(chuàng)建是自主移動機器人在未知環(huán)境運動的先決條件。在機器人自主控制中，動態(tài)目標發(fā)現(xiàn)與跟蹤(Detection and Tracking of

2、Moving Objects，DATMO)方法是另一項關(guān)鍵性技術(shù)。早期的研究認為SLAM與DATMO是兩個獨立的問題。實際上，兩者之間是互為補充的關(guān)系。為了實現(xiàn)水下機器人自治能力，以及汽車、輪船、飛機等交通工具自主駕駛及安全輔助駕駛的功能，SLAM與DATMO算法最終將融合在一起。 文章首先回顧了SLAM與DATMO技術(shù)的發(fā)展與應(yīng)用，并指出兩者之間的關(guān)系。在此基礎(chǔ)上引出了本文研究的重點：首先是基于粒子濾波器實現(xiàn)SLAM的算法，深

3、入研究和探討了粒子濾波器在處理SLAM問題上的優(yōu)勢，仿真結(jié)果顯示基于粒子濾波的SLAM具有較高的定位精度，并且在處理非線性問題上具有良好的表現(xiàn)。通過與基于EKF的SLAM仿真結(jié)果相比較，顯示了基于粒子濾波的SLAM算法的準確性和魯棒性。文中提出用粒子濾波器實現(xiàn)DATMO的算法，DATMO的仿真結(jié)果證實了本算法的正確性與可靠性。實驗數(shù)據(jù)表明在動態(tài)環(huán)境中運用本算法處理機器人自身定位和動態(tài)目標跟蹤問題，定位的準確性和收斂性得到大幅度的提高。與

4、EKF算法在一致性方面的比較顯示了本算法在處理動態(tài)非線性問題上的卓越性能。 本文算法思想是將粒子濾波器應(yīng)用于機器人同時定位與地圖構(gòu)建以及動態(tài)目標跟蹤中。將后驗概率分解成兩部分，一是路徑的后驗概率，另一個是以路徑概率為條件的環(huán)境特征(靜態(tài)的，動態(tài)的)的后驗概率。除了對機器人的路徑以及環(huán)境特征進行采樣，粒子濾波器也對數(shù)據(jù)關(guān)聯(lián)的可能性進行采樣。對數(shù)據(jù)關(guān)聯(lián)的可能性進行采樣使得仿真結(jié)果的準確性得到大幅提高。與傳統(tǒng)的EKF算法相比，粒子濾波