基于粒子濾波的室內(nèi)移動機器人SLAM問題研究.pdf

1、自主導航技術(shù)是移動機器人的關鍵技術(shù),也是移動機器人智能化程度的重要體現(xiàn),而機器人同時定位與地圖創(chuàng)建(Simultaneous Localization and Mapping, SLAM)是實現(xiàn)真正自主導航所要解決的核心問題。SLAM問題是指在一些復雜的非結(jié)構(gòu)性環(huán)境中,機器人很難甚至不可能事先獲取環(huán)境地圖和自身的位姿信息,要求移動機器人從未知環(huán)境中的某個未知位置出發(fā),利用傳感器數(shù)據(jù)建立遞增式的環(huán)境地圖,同時利用建立的地圖進行位姿估計。S

2、LAM問題由于其重要的理論意義和實用價值,成為移動機器人領域一個富有挑戰(zhàn)的研究熱點,被學術(shù)界一致認為是能否實現(xiàn)真正自主移動機器人的關鍵。
　　本文的主要工作是圍繞基于概率機器人學的移動機器人SLAM理論和實現(xiàn)進行的,針對傳統(tǒng)方法的不足,提出改進的機器人定位和SLAM算法,以提高移動機器人在未知環(huán)境中下的自主導航能力。具體研究內(nèi)容包括以下幾個方面:
　　1、系統(tǒng)研究基于貝葉斯濾波理論的機器人定位方法,分析比較了卡爾曼濾波器系列

3、和粒子濾波器的基本原理和優(yōu)缺點。針對標準粒子濾波器的不足,從智能進化的角度提出一種改進的混合智能粒子濾波算法,并通過實驗仿真對常用濾波器在機器人位姿跟蹤和全局定位問題中的性能進行了分析和結(jié)果比較。
　　2、從概率學的角度系統(tǒng)描述了SLAM問題的基本理論和實現(xiàn)方法,分析了SLAM問題的難點及傳統(tǒng)SLAM算法的優(yōu)缺點。對Rao-Blackwellized粒子濾波算法的原理進行了深入探討,推導和分析了基于 Rao-Blackwelliz

4、ed粒子濾波框架的FastSLAM算法,為提出改進的SLAM算法提供理論基礎。
　　3、重點研究了基于Range-Only模型的SLAM問題,對基于粒子濾波特征估計的RO-SLAM算法進行了探討。針對粒子濾波器在進行特征估計的不足,本文引入了UT變換和高斯混合模型,提出一種基于 UKF和高斯混合濾波的進化RO-SLAM算法。該算法基于Rao-Blackwellized粒子濾波框架,采用高斯混合濾波算法進行地圖特征的初始化和更新,并