一种改进的几何约束分枝定界slam重定位算法

一种改进的几何约束分枝定界slam重定位算法

ID:31432481

大小:124.00 KB

页数:13页

时间:2019-01-09

一种改进的几何约束分枝定界slam重定位算法_第1页
一种改进的几何约束分枝定界slam重定位算法_第2页
一种改进的几何约束分枝定界slam重定位算法_第3页
一种改进的几何约束分枝定界slam重定位算法_第4页
一种改进的几何约束分枝定界slam重定位算法_第5页
资源描述:

《一种改进的几何约束分枝定界slam重定位算法》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、一种改进的几何约束分枝定界SLAM重定位算法  摘要:重定位技术是机器人在已有SLAM地图的环境中依靠自身传感器重新获得定位信息的关键技术。几何约束分枝定界重定位(GCBB)算法是一种有效的方法,但是其存在计算速度慢的缺点。针对GCBB算法的不足,从两个方面对其进行改进:一是采用分组方式进行数据关联;二是结合传感器探测范围在局部区域中选择特征进行数据关联。仿真结果表明,所提出的快速几何约束分枝定界重定位(FGCBB)算法能够正确实现重定位,且计算复杂度与观测数目两者之间服从线性关系,当处理观测数目

2、较多的问题时,FGCBB的计算效率明显优于GCBB算法。  关键词:重定位;几何约束分枝定界算法;同时定位与地图创建;联合相容  中图分类号:TN98?34;TP24文献标识码:A文章编号:1004?373X(2016)21?0141?04  Animprovedgeometricconstraintsbranchandboundrelocationalgorithm  forsimultaneouslocalizationandmapping  CAOXiaobing1,XUYicen2,GUO

3、Jianhui3,RUIChangying1  (1.SchoolofControlTechnology,WuxiInstituteofTechnology,Wuxi214121,China;  2.SchoolofMechanicalandElectricalTechnology,Wuxi13VocationalInstituteofCommerce,Wuxi214153,China;  3.The28thResearchInstituteofChinaElectronicsTechnology

4、GroupCorporation,Nanjing210007,China)  Abstract:TherelocationtechnologyisakeytechnologyforrobottorecoverthelocationinformationbyitssensorintheexistingSLAM(simultaneouslocalizationandmapping)environment.Thegeometricconstraintsbranchandbound(GCBB)algori

5、thmisaneffectivemethod,butitscomputationspeedisslow.ToovercometheshortcomingofGCBBalgorithm,thealgorithmwasimprovedintwoaspects:thepacketmodeisselectedfordataassociation;thefeatureisselectedinlocalregionfordataassociationaccordingtothedetectionrangeof

6、thesensor.Thesimulationresultsshowthattheproposedfastgeometricconstrainsbranchandbound(FGCBB)algorithmcanrelocatecorrectly,boththecomputationalcomplexityandobservationquantityareinaccordwiththelinearrelation,andthecalculationefficiencyofFGCBBalgorithm

7、isbetterthanthatofGCBBalgorithmwhileprocessingmuchobservationquantity.  Keywords:relocation;geometricconstraintbranchandboundalgorithm;simultaneouslocalizationandmapping;jointcompatibility  0引言13  当环境未知时,为使移动机器人实现自主行走,必须同时解决定位和地图创建问题,也称SLAM问题(Simultan

8、eousLocalizationandMapping)[1]。而其中的重定位则是研究在缺乏初始位姿等先验知识的前提下,使机器人根据其所携带的传感器测量值,确定自身在给定地图中的位置及姿态,此后可重新开始进行同时定位与地图创建。当无法获得GPS信号时,重定位是惟一有效的方法,适用于以下三种场合:在定位误差较大时自行恢复;在机器人“迷失”时重新启动SLAM过程;在循环较大时使其能够安全地结束。  要处理重定位问题,目前主要有两种不同的思路[2]:以最大团[3]、假设检验[4]与联合相容

当前文档最多预览五页,下载文档查看全文

此文档下载收益归作者所有

当前文档最多预览五页,下载文档查看全文
温馨提示:
1. 部分包含数学公式或PPT动画的文件,查看预览时可能会显示错乱或异常,文件下载后无此问题,请放心下载。
2. 本文档由用户上传,版权归属用户,天天文库负责整理代发布。如果您对本文档版权有争议请及时联系客服。
3. 下载前请仔细阅读文档内容,确认文档内容符合您的需求后进行下载,若出现内容与标题不符可向本站投诉处理。
4. 下载文档时可能由于网络波动等原因无法下载或下载错误,付费完成后未能成功下载的用户请联系客服处理。