移动机器人SLAM中的数据关联算法研究

《移动机器人SLAM中的数据关联算法研究》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、摘要摘要移动机器人同时定位与建图(SimtfltaneousLocalizationandMapping，SLAM)中的数据关联就是将当前获得的观测值与地图中已经建立的陆标(特征)进行关联的过程。随着SLAM研究的不断深入，SLAM中数据关联算法的研究逐渐成为热点问题，尤其是研究高效、鲁棒的数据关联算法对移动机器人同时定位与建图有着重大的意义。本文针对基于EKF(ExtendedKalmaaFilter)的SLAM中的数据关联进行研究，主要完成以下三个方面的工作：第一，针对当前SLAM研究中的几种主要的数据关联算法进行详细的介绍和分析，并通过仿真实验对它们进行深入的比较，从而确定几种算法各自的

2、优点和不足。第二，经典数据关联算法——NN(NearestNeighbour)采用静态阈值判定数据关联的结果，因此没有考虑到SLAM中系统状态动态变化的特点，为此本文结合SLAM过程中的动态特性，提出动态阈值的方法，根据定位与建图不确定性的大小，动态在线改变数据关联的判定阙值，从而提高了机器人定位与建图的准确性，并将此动态阈值的方法进一步扩展到关联信息的预处理中。第三，本文通过对数据关联问题本质的分析，将数据关联问题转换成组合优化问题，并且根据基于动态阈值的信息预处理降低数据关联可行解空间的大小，从而降低关联运算的复杂度，最后应用模拟退火方法进行求解，获得比较好的关联结果。关键字：同时定位与建

3、图数据关联扩展卡尔曼滤波器动态阈值模拟退火AbstractDataassociationofSimultaneousLocalizationandMappingformobilerobotistheprocessofrdatingcurrentobservationswiththelandmarks(features)includedinthemap．Withthecontinuouslyde印researchofSLAM,theresearchofdataassociationalgorithmsinSLAMhasbecomeahotproblem．Theresearchofefficicn

4、t，robustdataassociationalgorithmshasagreatmeaningonSLAMproblemofmobilerobot．Inthisthesis,threepartsofworkarcproposedfordataassociationalgorithmsbasedonEKF(ExtendedKal．manFilter)SLAM．First,combiningwiththeinvestigationofthecurrentresearchsituationofdataassociationalgorithms，simulationresultsarcgivenf

5、orcomparisonandanalysisforsomepopularmethodsandthedeficiencycanbefound．Second,theclassicaldataassociationalgofithm-NN限ea托stNeighbour)methodusesstaticthresholdtodataassociation,butitdoesn’tconsiderthedynamicpropertyinSLAMproce鹳．Combiningthedynamicproperty,amethodwithdynamicthresholdisproposedinthisth

6、esisforimprovementofthepreviousstaticway．AccordingtotheuncertaintyoflocalizationandmappinginSLAMprocess，wesetthethresholddynamicallyonlineinordertoincreasetheaccuracyoflocalizationandmappingofrobot．Meanwhile，theconceptofdynamicthresholdisfurthel-extendedtothepreprocessingofassociatextinformation．Thi

7、rd，bya11alyzingtheeSSCllceofdataassociationproblem,itisconvertedintoacombmedoptimizationp∞bl黜．Thecomplexityofassociationalgorithmsisreducedbythepreprocessingofdynamicthreshold．Finally,SimulationAnneal