欢迎来到天天文库
浏览记录
ID:52175135
大小:525.34 KB
页数:9页
时间:2020-03-23
《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
此文档下载收益归作者所有