動態(tài)場景下基于改進粒子濾波器的SLAM算法.pdf

1、實現(xiàn)智能移動機器人完全自主的一個關鍵是如何解決移動機器人的定位與地圖構建問題，這是移動機器人實現(xiàn)環(huán)境探索和導航的重要基礎。隨著傳感器的發(fā)展，如何從傳感器信息有效地對未知環(huán)境中的特征進行描述刻畫，如何選擇恰當的系統(tǒng)狀態(tài)估計方案有效地處理動態(tài)場景，是定位和地圖構建需要解決的關鍵問題。
　　本論文在總結前人工作的基礎上，對移動機器人同時定位與地圖創(chuàng)建(SimulationLocalization and Mapping，SLAM)方法進

2、行研究，針對室內半結構化特征的地圖表達和傳統(tǒng)SLAM方法對動態(tài)環(huán)境的適應性，以及減少系統(tǒng)噪聲誤差等方面提出了一些改進算法和方案，以提高SLAM算法精度、構圖一致性。本文的主要研究內容包括以下幾個方面:
　　1.提出一種融合了掃描匹配的自定位結果和里程位姿估計結果的相對定位方法。針對激光測距傳感器的測量離散特性以及室內觀測結果呈現(xiàn)局部線段化特點，基于點-線的迭代最近鄰法(Point-to-line based Iterative C

3、losest Point，PLICP)進行局部匹配糾正里程計誤差;為使匹配算法的實時性以適應SLAM，采用混合快速搜索對應點策略加速誤差函數最小值求解，從而改進運動模型提高SLAM算法位姿預測的精度。
　　2.針對室內半結構化環(huán)境特征的規(guī)則特性，提出基于元胞自動機強化地圖特征信息的優(yōu)化構圖和定位算法。利用占據柵格對空間規(guī)則劃分，引入元胞自動機到傳統(tǒng)SLAM的迭代循環(huán)中，在地圖更新環(huán)節(jié)進行元胞生長強化，改善構圖的一致性，并在SLAM

4、迭代中提高定位精度。
　　3.面向動態(tài)場景的地圖建模問題和融入元胞自動機SLAM算法的擴展應用問題，提出一種適應動態(tài)環(huán)境的分層強化構圖與定位算法。該算法繼承占用柵格地圖的動靜態(tài)地圖混合表達，通過統(tǒng)計動態(tài)物體觀測頻度對柵格屬性添加靜動狀態(tài)值，有效地描述運動物體狀態(tài);同時對豐富的掃描信息采用空間分層操作，將常見動態(tài)SLAM問題轉為靜態(tài)結構化環(huán)境的構圖和精定位問題以及動態(tài)環(huán)境的混合地圖構建問題，將融入元胞強化機制的SLAM算法應用到動態(tài)