基于路标观测的改进EKF-SLAM算法-论文.pdf

《基于路标观测的改进EKF-SLAM算法-论文.pdf》由会员上传分享，免费在线阅读，更多相关内容在应用文档-天天文库。

1、昼应用技术基于路标观测的改进EKF．SLAM算法曹军曾碧何元烈(广东工业大学计算机学院)摘要：针对传统的基于扩展卡尔曼滤波的SLAM算法对环境干扰修复速度较慢的缺陷，提出一种EKF．SLAM的改进方法。通过比较EKF．SLAM算法的预测和观测两个过程所得数据，判断是否存在较大的环境干扰。若环境干扰较大，则加大先验估计误差协方差的调整，使状态在经过校正后更快速地接近真实值，提高算法的实时性和抗干扰性。最后使用Matlab对改进EKF．SLAM进行仿真实验，结果表明改进EKF．SLAM算法的有效性和估计精度都比传统

2、EKF．SLAM高。关键词：同时定位与地图构建；扩展卡尔曼滤波；改进EKF．SLAM：抗干扰0引言对较大误差的修正速度，提高算法的抗干扰能力。1EKF．SLAM算法随着机器人不断向智能化方向发展，机器人自主性的研究【lJ意义也越来越重要。其中移动机器人在未EKF．SLAM算法在移动机器人领域已有广泛应知环境下实现自主导航就充分体现了机器人的自主用，下面对EKF．SLAM算法模型进行介绍。性。而同时定位与地图构建(simultaneouslocalizationEKF—SLAM算法在运行前需要对系统进行初始and

3、mapping，SLAM)【2_3】就是实现机器人在未知环境化，输入系统在k--O时刻的状态向量和状态向量协方下自主导航的主要途径。SLAM是指移动机器人在未差。EKF算法主要有预测、更新两个过程。先根据上知环境下依靠传感器设备获取环境信息，并利用这些一时刻的系统状态和控制输入，预测当前时刻的系统环境信息增量式地构建环境地图【4J和自主定位。状态和状态误差协方差，再利用特征路标的观测值对基于扩展卡尔曼滤波(extendedkahnanfilter,状态预测进行校正更新，获得系统状态和状态误差协EKF)【的SLA

4、M算法(简称EKF—SLAM)是SLAM方差的估计值。算法模型如下：技术研究热点之一。EKF是在卡尔曼滤波(kalman1)输入初始估计值：(o)、p(o)：filter)基础上进行改进【6J，使卡尔曼滤波适用于非线2)预测性的动态系统，从而解决非线性系统模型的估计问预测状态向量：题，因此可将卡尔曼滤波器运用在SLAM技术中。(七)一=f(a2(k-1)，u(k-1)，w(k一1))(1)但传统EKF．SLAM算法存在一些缺陷。由于在预测误差协方差：现实环境中，移动机器人的轮胎打滑、或被人为移动等都会造成EKF

5、．SLAM产生较大的定位误差。虽然P(后)一=，(七)P(七一1)，()+()Q(．i}一1)(后)EKF．SLAM对误差有修正能力，但是当出现较大误差(2)时修正时间过长，严重时甚至无法修正。SLAM构建3观测与更新地图的质量与定位效果密切相关，若在构建地图的过计算卡尔曼增益：程中出现较大的定位误差而又不能及时修正，将导致(．j})=尸(

6、j})一Jh(k)r(七)尸(七)一Jh(k)+构建的地图不准确。目前国内外学者对EKF—SL(七)尺(尼)(尼)l(3)误差改进的研究也有相关成果[7捌。本文针对上述问题

7、提出一种EKF．SLAM算法的改进方式，加快机器人由观测向量更新估计状态向量：2014年第35卷第1期自动化与信息工程21()=()一+()[z(尼)一H](4)更新误差协方差：P(k)=(I—()())P()一(5)时间自增：k=k+1f61在11输入初始估计值后，随时间k的增加不断循环过程21、3)，实现算法的迭代计算，使系统状态获得实时更新。其中，w(k一1)为状态噪声，使用EKF．SLAM算法时通常假设它为高斯白噪声，并设为0向量；曼f、图1移动机器人半台f1分别为k时刻系统状态向量的先验估计值和后移动

8、机器人运动模型如图2所示，移动机器人有验校正值；P(尼)一、P(k)分别为系统先验估计误差的两个动力轮和一个转向轮，动力轮与机器人中心点的协方差和后验估计误差的协方差，本文通过对P(尼)距离为，转向轮与机器人中心点的距离为。设机的膨胀进行误差修正；u(k一1)为后一1时刻的系统的器人中心点坐标为PXc，)，将体感设备Kinect控制输入；Q()、R(k)分别为状态输入和观测的噪放在机器人中心位置，则从Kinect获得的距离数据不声协方差；K(k)为卡尔曼增益，EKF通过式(3)不断需要进行坐标转换。改变K(k)

9、的值从而控制系统的收敛；z㈣为路标观测尸(。)值；为传感器模型；w(k)=／，F(k)=Of／Ofc；J^(k)=Oh／Ox，v(k)：Oh／，式中v为观测模轮(转向角度为a)型中的观测误差。本文以三轮清洁机器人iRobotCreate和Kinect传感器为移动机器人原型，对移动机器人进行建模、仿真。2EKF—SLAM算法实现与算法改进本节将构建移动机器人平台实现EKF—SLAM算法，