智能移动机器人同步定位和地图构建算法探究

《智能移动机器人同步定位和地图构建算法探究》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、智能移动机器人同步定位和地图构建算法探究　　【摘要】以移动机器人的同步定位与地图构建（SLAM）算法为研究对象，介绍了机器人同步定位与地图构建的原理，并对现有SLAM算法进行深入研究。对现有的SLAM算法进行改进，提出基于平方根UKF的SLAM算法，仿真结果表明，新算法达到提高SLAM算法的稳定性，减少算法运算复杂度并得到较高的估计精度的目的。【关键词】移动机器人；同步定位与地图构建；扩展卡尔曼滤波；无迹卡尔曼滤波机器人（Robot）是一种能够代替人类工作的一种自动化装置。既可以接受人类的命令，还能够根据预先储存在中央处理器里的程

2、序行动。它的任务是协助或取代人类的工作，例如生产业、建筑业，或是危险的工作。自主移动机器人技术是机器人技术中的一个重要分支。自主移动机器人还是研究其他领域必不可少的平台和工具。同时随着对自主机器人研究的深入，一些新的工程技术和控制论难题出现在研究者面前。这些难题引起了越来越多的专家学者和工程技术人员的兴趣。近年来和移动机器人相关的一些领域得到了突飞猛进的发展，更加促进了对移动机器人相关方面的研究。7同步定位与地图构建是自主移动机器人领域的新兴研究课题。它是自主移动机器人实现自主移动的核心，在整个自主移动机器人技术中是一项起着举足轻

3、重作用的关键技术。1.SLAM算法中常用的地图构建方法1.1栅格地图在地图创建和定位中广泛应用的栅格地图最早由Moravec和Elfes提出。栅格地图是把环境分成若干个大小相同的方格，每个方格给予一个大于0小于1的数字来表示该区域被占有的概率，其中0表示没有被占有，1表示完全被占有。栅格地图的优点是地图创建简单且便于维护，地图的数据结构简单，有矩阵表示即可。栅格地图在小规模环境下是一种比较好的定位方法，但在大规模环境下栅格尺寸的选取是一个难题。如果环境较为复杂栅格尺寸过大将导致地图精度不高，栅格尺寸较小地图的精度会提高，但是地图的

4、大小也会急剧上升，需要更大的存储空间和处理时间，很难满足机器人的实时性。1.2特征地图特征地图是用于一些几何特征（如点、线、面）来表示环境的一种地图构建方法。这些几何特征是机器人从感知环境得到的数据中抽象的来的。特征地图可以用一个几何来表示：A={fi

5、i=1，…，n}，其中，fi是地图的一个特征（点、线、面等），n是整个地图的特征总数。特征地图一般应用在特征性比较强的环境中，如餐厅、室内办公室等。71.3拓扑地图拓扑地图最开始由Brooks、Matari等人提出。在表示环境地图时，它并没有一个明显的尺度概念，而是表示成一个由节点

6、和边组成的图形。其中的节点表示环境中的一些重要的特征（如墙角、拐角、路口等），边表示节点之间的关联，它便于表示大规模的环境，有利于下一步的分配任务和路径规划。拓扑地图很适合在结构化环境下使用，但如果在非结构环境下使用拓扑地图地点的识别会变得非常复杂。另一方面，如果在拓扑地图中存在两个非常相似的特征点，机器人也很难区分它们。2.移动机器人同时定位与地图构建（SLAM）移动机器人的SLAM算法最早是由Smith和Cheeseman在1985到1986年间提出来的。他们在这一时期创建了描述几何不确定性和特征与特征之间（或路标与路标之间）

7、的相互关系的统计学原理。这些工作成为了SLAM问题解决方法的数学基础。在1986年的ICRA（IEEEInternationalConferenceonRoboticsandAutomation，简称ICRA）会议上，对如何解决SLAM问题进行了讨论。这标志着SLAM算法正式成为被研究者承认的一种解决自主移动机器人导航和路径规划的算法。SLAM算法的实现步骤如图1所示。3.基于平方根无迹卡尔曼滤波的SLAM算法7在EKF和UKF算法中，滤波器容易失效，这是因为由于舍入误差的存在，系统的协方差矩阵在算法迭代计算不断传递的过程中容易失

8、去对称性和正定性。既然协方差矩阵在传递过程中容易失去对称性和正定性，且我们又不能完全抛开系统的协方差矩阵改而传递系统的其他矩阵，那么是不是可以考虑和协方差矩阵有关联的矩阵呢？答案是肯定的。协方差矩阵的平方根矩阵就是一个不错的选择，因为传递协方差矩阵的平方根在任何时候都能保证传递因子的平方的正定性。正是基于这个思路，研究者们提出来平方根滤波。平方根滤波有如下优点：（1）数值特性优良且计算负担不高；（2）具有双精度特性，能够很大的改进滤波器在处理病态矩阵方面的性能。基于平方根滤波的优点，把平方根滤波引入的UKF算法中，得到平方根无迹卡

9、尔曼滤波算法（也称SR-UKF）。该算法不仅继承了原UKF算法相对于传统的EKF算法的优点还克服了UKF的一些缺点和不足，总结起来它有如下特点：（1）在滤波性能增加的情况下其计算复杂度没有增加，计算量仍与EKF和UKF相当；（2）克服了滤波器发散的