基于信息濾波與一致性分析的同時(shí)定位與地圖構(gòu)建算法研究.pdf

1、自主式水下機(jī)器人( autonomous underwater vehicle, AUV)的導(dǎo)航技術(shù)已成為當(dāng)今研究熱點(diǎn)問(wèn)題之一。機(jī)器人的自身定位是一項(xiàng)最基本、最重要的功能,而同時(shí)定位與地圖構(gòu)建(simultaneous localization and mapping, SLAM)方法是機(jī)器人在未知環(huán)境下實(shí)現(xiàn)真正自主導(dǎo)航的關(guān)鍵。SLAM算法是一種建立環(huán)境地圖與產(chǎn)生機(jī)器人位姿估計(jì)同時(shí)進(jìn)行的過(guò)程,被看做是自主式機(jī)器人探索未知環(huán)境的最基本能力

2、。
　　在過(guò)去的二十年里,SLAM方法已成為機(jī)器人導(dǎo)航領(lǐng)域顯著成就之一。從理論和概念層面上來(lái)說(shuō),SLAM是一個(gè)需要解決的導(dǎo)航問(wèn)題,而它也已經(jīng)被許多不同的形式制定和解決,被應(yīng)用到室內(nèi)、室外、水下和空中等許多不同的機(jī)器人導(dǎo)航領(lǐng)域。擴(kuò)展卡爾曼濾波器(Extended Kalman Filter, EKF)算法是解決SLAM問(wèn)題最基本的方法。它通過(guò)對(duì)非線性函數(shù)進(jìn)行一階泰勒展開(kāi),得到SLAM問(wèn)題的最優(yōu)解。但基于EKF的SLAM算法通過(guò)維持一

3、個(gè)協(xié)方差來(lái)描述SLAM的不確定信息,計(jì)算量與地圖中環(huán)境特征個(gè)數(shù)的平方成正比,從而大大地限制了該算法在大尺度復(fù)雜環(huán)境下的應(yīng)用。后來(lái)提出的稀疏化擴(kuò)展信息濾波(Sparse Extended Information Filter, SEIF)方法解決了計(jì)算復(fù)雜度高的問(wèn)題,它是EKF的信息形式,該方法通過(guò)刪除機(jī)器人與特征之間弱的關(guān)聯(lián)使得所有的基本更新公式都能夠在恒定的時(shí)間內(nèi)完成,極大的提高了運(yùn)算速度。
　　然而由于SEIF的稀疏化策略和線

4、性化產(chǎn)生的誤差,使得不一致特性一直存在于估計(jì)算法中,并且表現(xiàn)更為復(fù)雜。本文將采用一種一致性約束的方法來(lái)改善SEIF-SLAM算法。此方法從觀測(cè)的角度研究算法的一致性,且保留了SEIF的稀疏化特性。從線性化誤差狀態(tài)系統(tǒng)模型的分析中可知,SEIF產(chǎn)生不一致性的一個(gè)重要原因是SEIF-SLAM觀測(cè)模型的雅克比矩陣比非線性SLAM系統(tǒng)有更高的觀測(cè)子空間。而本文通過(guò)使用首次的變量估計(jì)計(jì)算濾波器的雅克比矩陣,可以保證線性化誤差狀態(tài)系統(tǒng)與非線性系統(tǒng)有