同步定位與地圖構(gòu)建技術(shù)中的數(shù)據(jù)關(guān)聯(lián)問題.pdf

1、同步定位與地圖構(gòu)建（SLAM）屬于自主機器人導(dǎo)航的范疇，是自主機器人在未知環(huán)境中實現(xiàn)自主導(dǎo)航和完成復(fù)雜任務(wù)的關(guān)鍵，集中體現(xiàn)了機器人的感知能力和智能水平。SLAM問題的解決對自主機器人實現(xiàn)真正意義的“自主”有著十分重大的意義，并已成為近年來自主機器人領(lǐng)域中研究的熱點。
　　基于擴展卡爾曼濾波的同步定位與地圖構(gòu)建算法（EKF-SLAM）是機器人SLAM問題的基本算法，然而存在著運算復(fù)雜度大、不適合大地圖復(fù)雜環(huán)境的問題。有鑒于此，本文在

2、EKF-SLAM基礎(chǔ)上，研究了一種基于稀疏擴展信息濾波的自主機器人同步定位與地圖構(gòu)建算法（SEIF-SLAM）。SEIF-SLAM通過對信息矩陣的稀疏化處理，忽略掉與當前機器人關(guān)聯(lián)較弱的關(guān)聯(lián)，使表征機器人位置及環(huán)境地圖不確定性的狀態(tài)協(xié)方差矩陣限制到一個較小的維數(shù)，從而使SEIF-SLAM運算復(fù)雜度得到有效降低。
　　SEIF-SLAM的目標是設(shè)計一種可恒時更新的近似SLAM算法，該算法在預(yù)測和更新階段均可實現(xiàn)恒時更新，但數(shù)據(jù)關(guān)聯(lián)算

3、法尚不具有恒時特點，成為限制其應(yīng)用的主要障礙。為了解決數(shù)據(jù)關(guān)聯(lián)問題，本文結(jié)合SEIF-SLAM的特點探索了四種可應(yīng)用于SEIF-SLAM的數(shù)據(jù)關(guān)聯(lián)算法：全局協(xié)方差、局部協(xié)方差、擴大搜索維度及混合型數(shù)據(jù)關(guān)聯(lián)算法。
　　數(shù)據(jù)關(guān)聯(lián)時通過信息矩陣求逆獲得所需協(xié)方差信息的方法稱為全局協(xié)方差數(shù)據(jù)關(guān)聯(lián)法。該算法是一種較為精確和使用廣泛的算法，其缺點是計算復(fù)雜度較大。
　　局部協(xié)方差數(shù)據(jù)關(guān)聯(lián)算法引入了馬爾科夫帶的概念，對關(guān)聯(lián)概率實施近似處理

4、，使得數(shù)據(jù)關(guān)聯(lián)過程中僅僅對維數(shù)較小的子矩陣進行操作。仿真實驗表明，該算法在機器人運動軌跡形成閉合環(huán)路之前是有效的，且單位時間內(nèi)能夠保持運算量恒定，有效降低了運算復(fù)雜度。
　　為了解決機器人運動軌跡形成閉合回路后的數(shù)據(jù)關(guān)聯(lián)問題，提出了一種擴大搜索維度的數(shù)據(jù)關(guān)聯(lián)算法。該算法在對關(guān)聯(lián)概率近似處理的同時，在空間概念上擴大路標匹配的搜索范圍，以保證形成閉合環(huán)路處的鄰近路標都包含在該匹配范圍之內(nèi)，從而解決形成閉合環(huán)路時的數(shù)據(jù)關(guān)聯(lián)問題。仿真實驗

5、表明，在形成閉合環(huán)路后該數(shù)據(jù)關(guān)聯(lián)算法是有效的，但關(guān)鍵參數(shù)要憑借經(jīng)驗來選取。
　　為了提高數(shù)據(jù)關(guān)聯(lián)算法的通用性，在考慮全局協(xié)方差型、局部協(xié)方差型及擴大搜索維度數(shù)據(jù)關(guān)聯(lián)算法的基礎(chǔ)上，提出了混合型的數(shù)據(jù)關(guān)聯(lián)算法。該算法除了在閉合回路處需要對協(xié)方差矩陣進行全局更新外，其他位置均用局部協(xié)方差進行關(guān)聯(lián)匹配，保證數(shù)據(jù)正確關(guān)聯(lián)的同時降低了運算復(fù)雜度。仿真實驗表明，混合型算法穩(wěn)定性高，通用性強，除閉合回路處外均可以恒時執(zhí)行，計算量小，工程實用性強，