未知環(huán)境下無人駕駛汽車同時定位與地圖創(chuàng)建研究.pdf

1、汽車工業(yè)已經(jīng)出現(xiàn)了朝著智能化、網(wǎng)聯(lián)化方向發(fā)展的趨勢，無人駕駛汽車作為其具體對象，必然會成為未來汽車工業(yè)的主角。目前國內外傳統(tǒng)車企、互聯(lián)網(wǎng)巨頭、科研院所都投入巨大精力研究無人駕駛汽車。自主導航是無人駕駛汽車的一項最基本、最重要的功能，無人駕駛汽車在未知環(huán)境中的自主導航，需要同時實現(xiàn)自身的準確定位以及所處環(huán)境的地圖構建，這種相互關聯(lián)的過程稱為同時定位與地圖創(chuàng)建(SLAM)。隨著對SLAM研究的不斷深入，鑒于其重要的理論價值和實踐價值，許多學

2、者一致認為同時定位與地圖創(chuàng)建被認為是真正實現(xiàn)無人駕駛汽車的關鍵技術之一。本文針對未知環(huán)境下無人駕駛汽車同時定位與地圖創(chuàng)建展開研究，主要研究內容為以下幾個方面:
　　首先，闡述了SLAM問題的技術內涵，對SLAM發(fā)展現(xiàn)狀和需解決的關鍵問題進行了討論。
　　其次，討論并建立了解決無人駕駛汽車SLAM問題所必須用到的模型，包括無人駕駛汽車本體模型，環(huán)境地圖模型，傳感器模型和數(shù)據(jù)關聯(lián)模型。在上述模型的基礎上，給出了無人駕駛汽車SLA

3、M問題的一般性數(shù)學模型，并通過后續(xù)仿真實驗說明了所建立模型的合理性。
　　再次，建立基于擴展卡爾曼濾波的SLAM算法(EKF-SLAM)和基于無跡卡爾曼濾波的SLAM算法(UKF-SLAM)的數(shù)學模型，從理論上分析了EKF-SLAM算法的缺點和UKF-SLAM算法的優(yōu)點。利用MATLAB對兩種算法設計了仿真實驗，分別對兩種算法進行了20次獨立重復實驗，驗證了兩種算法的可行性及UKF-SLAM算法的優(yōu)勢。
　　然后，對基于粒子

4、濾波的SLAM算法進行了討論，根據(jù)粒子濾波的原理，建立了FastSLAM算法的數(shù)學模型。在FastSLAM算法基礎上引入自適應重采樣技術和UKF，提出了自適應重采樣無跡卡爾曼濾波FastSLAM算法(ARUFastSLAM)，并給出了算法的數(shù)學模型。通過仿真實驗對兩種算法進行了驗證，分別設計了10、20、100個粒子的3組實驗，每組進行20次獨立重復實驗，結果表明ARUFastSLAM算法有效性。進一步的通過SLAM研究領域的標準測試數(shù)