基于Gray-EKF算法的智能农业车辆同时定位与地图创建.pdf

《基于Gray-EKF算法的智能农业车辆同时定位与地图创建.pdf》由会员上传分享，免费在线阅读，更多相关内容在行业资料-天天文库。

1、第28卷第19期农业工程学报V01．28No．192012年10月1'r锄sactionsoftheChineseSocietyofAgriculturalEngineeringOct．201217基于Gray．EKF算法的智能农业车辆同时定位与地图创建田光兆，安秋，姬长英※，顾宝兴，王海青，赵建东(南京农业大学工学院，南京210031)摘要：为了提高智能农业车辆在未知环境中同时定位与地图创建精度，将灰色预测理论和扩展卡尔曼滤波融合，提出了基于灰色扩展卡尔曼滤波的同时定位与地图创建算法。算法在传统的扩展卡尔曼滤波基础上，通过改进的滑窗灰色预测理论建立传感器的GM(

2、1，1)观测预测模型，进而完成新息的计算。为了提高观测精度和抗干扰能力，系统使用了三目摄像机作为观测传感器，并提出了一种简易的权值标定算法。试验表明：精度权值标定后的三目摄像机具有较高的测量精度，16组测量数据中有12组的测量误差小于1％，并能减小由于干扰造成的误差。在30个人工路标的停车场环境中，车辆对路标工和y方向的观测误差均值为0．074和0．073m，自身定位误差为0．140m，误差均方差为0．048。在60个人工路标的停车场环境中，车辆对路标z和y方向的观测误差均值为O．061和0．068m，自身定位误差为0．109m，误差均方差为O．038。在60个人

3、工路标的旱地环境中，车辆对路标x和y方向的观测误差均值为0．079和0．077m，自身定位误差为0．122m，误差均方差为0．049。研究认为，与传统的EKFSLAM算法相比，Gray．EKFsLAM算法具有更高的精度。关键词：车辆，导航，定位，灰色预测，扩展卡尔曼滤波，三目立体视觉doi：10．3969巧．issn．1002—6819．2012．19．003中图分类号：S219．1文献标志码：A文章编号：1002—6819(2012)一19一0017—09田光兆，安秋，姬长英，等．基于Gray．EKF算法的智能农业车辆同时定位与地图创建[J]．农业工程学报，20

4、12，28(19)：17—25．TiaIlGuangzhao，AnQiu，JiChallgying，eta1．Si砌ltaneous10calizationandmappingbasedonGrayEl(Fforintelligentagricultumlvehicle[J]．1hnsactionsofthechinesesocietyofA鲥cultmlEngineering(1’ransactionsofthecsAE)，2012，28(19)：17—25．(inChinesewimEnglishabs订act)0引言在完全未知的环境中，智能农业车辆的精确定位

5、是基于对周围环境的准确感知和理解，需要创建环境地图。而环境地图的创建又需要车辆自身的精确定位。这二者是一个既矛盾又相关的过程。为了解决这一问题，有学者提出了同时定位与地图创建(simul协eous10calizationandmapping)，即SLAM【l‘7J。SLAM是智能车辆导航系统中关键技术之一，是研究导航问题的基础【8。10

6、。在SLAM过程中，用于环境感知的传感器通常有声纳弘121、激光雷达陋141和视觉传感烈15。19】。由于视觉传感器能够提供丰富的环境信息，且价格相对低廉，近些年来国内外许多研究人员对基于视觉传感器的SLAM算法做了大量的研究。D

7、avisonl20-211收稿日期：2012．05—06修订日期：2012．08—25基金项目：中央高校基本科研业务费资助项目(KYz201006)作者简介：田光兆(1983一)，男，河南信阳人，网络工程师，博士研究生，主要从事智能车辆导航理论与技术的研究。南京南京农业大学工学院，21003l。Email：ti蛐∞r@fox啪i1．com※通信作者：姬长英(1957一)，男，教授，博士生导师，主要从事精准农业理论与技术的研究。南京南京农业大学工学院，2l003l。Enmil：ch妇i@njau．e“．cn对单目视觉和双目视觉SLAM进行了研究，建立了一全状态视觉S

8、LAM算法框架和主动视觉SLAM方案。DaVidLowe[22】采用三目视觉摄像机，使用匹配出的图像特征点作为地图特征路标，用扩展卡尔曼滤波(El@)算法进行地图和机器人位姿的同步更新。苏立等[23】采用EKF算法对室内环境下基于特征点的双目视觉SLAM方法进行了研究。武二永等幽】采用Rao—B1ackwellised粒子滤波(PF)算法对室外环境下的单目视觉和双目视觉SLAM算法进行了研究，并用试验证明了方法的有效性。目前基于视觉的SLAM算法主要有EKF和PF两大类。在EKFSLAM算法中，计算新息时要求根据上一时刻的观测值对当前时刻的观测进行预测。由于测量方

9、法、传感器