基于最优滤波同步定位与地图的构建方法地地研究

《基于最优滤波同步定位与地图的构建方法地地研究》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、OptimalFilteringbasedSimultaneousLocalizationandMappingAThesisSubmittedfortheDegreeofMasterCandidate：NiPengfeiSupervisor：Prof．LiShurong＼CollegeofInformation&ControlEngineeringChinaUniversityofPetroleum(EastChina)关于学位论文的独创性声明本人郑重声明：所呈交的论文是本人在指导教师指导下独立进行研究工作所取得的成

2、果，论文中有关资料和数据是实事求是的。尽我所知，除文中已经加以标注和致谢外，本论文不包含其他人已经发表或撰写的研究成果，也不包含本人或他人为获得中国石油大学(华东)或其它教育机构的学位或学历证书而使用过的材料。与我一同工作的同志对研究所做的任何贡献均已在论文中作出了明确的说明。若有不实之处，本人愿意承担相关法律责任。学位论文作者签名：!星幽翌日期：冽／年多月／r口日学位论文使用授权书本人完全同意中国石油大学(华东)有权使用本学位论文(包括但不限于其印刷版和电子版)，使用方式包括但不限于：保留学位论文，按规定向国家有关

3、部门(机构)送交学位论文，以学术交流为目的赠送和交换学位论文，允许学位论文被查阅、借阅和复印，将学位论文的全部或部分内容编入有关数据库进行检索，采用影印、缩印或其他复制手段保存学位论文。保密学位论文在解密后的使用授权同上。学位论文作者指导教师签名日期：沙／f年多月，∥日日期：汐『『年多月／秒日，．乳繇嚣器嚣蠹”蝴隧■■■曩霹糍疆黉嚣委嚣趣。0重■■●露吼"秘摘要移动机器人自主定位与导航是机器人学科的一个重要研究课题。对环境地图已知的移动机器人自主定位已经有了很多比较成熟的方法，然而在很多实际应用中环境是未知的，这就需

4、要通过机器人对环境的感知来估计机器人的位置，并给出环境的地图，即进行同步定位与地图构建(SLAM)。同步定位与地图构建是实现移动机器人真正全自主的关键，具有极其重要的理论和应用价值。本文以携带超声波传感器的四轮移动机器人为研究对象，对基于最优滤波的移动机器人同步定位与地图构建算法进行了深入研究。论文的主要工作如下：1．建立了移动机器人SLAM系统中所需的各种数学模型，并分析了移动机器人SLAM研究中的关键技术。2．提出了一种基于平方根UKF的SLAM算法。在UKF算法中，每步更新都需要重新计算协方差矩阵的平方根，而在

5、整个UKF算法中传递的却依然是协方差矩阵本身。根据UKF．SLAM算法的这个不足，在本文提出的平方根UKF—SLAM算法中直接用协方差矩阵的平方根来完成算法的递推过程。相对于UKF．SLAM算法，该算法在减少计算量的同时还确保了协方差矩阵的非负定性，提高了算法的数值稳定性。3．提出了一种基于扩展风滤波的SLAM算法。风滤波对噪声具有很好的鲁棒性，而且只要求噪声是能量有界的，因此它非常适合在系统中存在非高斯噪声和未知噪声的情况下使用。本文提出用风滤波来解决SLAM系统中存在着多种不同类型的噪声的问题。该算法使用类似于E

6、KF的线性化方法来处理非线性的SLAM系统。4．提出了一种基于Unscented风滤波的SLAM算法。UT变换可以直接利用系统的非线性模型，避免了因线性化引入的截断误差。该算法将玩滤波与UT变换结合，既避免了线性化原系统模型，又提高了算法的鲁棒性。关键词：卡尔曼滤波；同步定位与地图构建；无迹卡尔曼滤波；风滤波●OptimalFilteringbasedSimultaneousLocalizationandMappingNiPengfei(ControlScienceandEngineering)DirectedbyP

7、rofessorLiShurongAbstractPositioningandnavigationaletwocoreresearchareasinautonomousmobilerobot．Therearealotofmaturemethodstolocalizearobotinaknownenvironment．However,theinformationofenvironmentisusuallyunknowninmanypracticalapplications．Soitisnecessarytoestima

8、tethepositionoftherobotonlybyusingtherelativeobservationsandatthesametimebuildthemapoftheenvironment．Thisprocessiscalledsimultaneouslocalizationandmapping(SLAM)．Withoutgloba