未知環(huán)境下無(wú)人駕駛汽車同時(shí)定位與地圖創(chuàng)建研究.pdf

1、汽車工業(yè)已經(jīng)出現(xiàn)了朝著智能化、網(wǎng)聯(lián)化方向發(fā)展的趨勢(shì)，無(wú)人駕駛汽車作為其具體對(duì)象，必然會(huì)成為未來(lái)汽車工業(yè)的主角。目前國(guó)內(nèi)外傳統(tǒng)車企、互聯(lián)網(wǎng)巨頭、科研院所都投入巨大精力研究無(wú)人駕駛汽車。自主導(dǎo)航是無(wú)人駕駛汽車的一項(xiàng)最基本、最重要的功能，無(wú)人駕駛汽車在未知環(huán)境中的自主導(dǎo)航，需要同時(shí)實(shí)現(xiàn)自身的準(zhǔn)確定位以及所處環(huán)境的地圖構(gòu)建，這種相互關(guān)聯(lián)的過(guò)程稱為同時(shí)定位與地圖創(chuàng)建(SLAM)。隨著對(duì)SLAM研究的不斷深入，鑒于其重要的理論價(jià)值和實(shí)踐價(jià)值，許多學(xué)

2、者一致認(rèn)為同時(shí)定位與地圖創(chuàng)建被認(rèn)為是真正實(shí)現(xiàn)無(wú)人駕駛汽車的關(guān)鍵技術(shù)之一。本文針對(duì)未知環(huán)境下無(wú)人駕駛汽車同時(shí)定位與地圖創(chuàng)建展開(kāi)研究，主要研究?jī)?nèi)容為以下幾個(gè)方面:
　　首先，闡述了SLAM問(wèn)題的技術(shù)內(nèi)涵，對(duì)SLAM發(fā)展現(xiàn)狀和需解決的關(guān)鍵問(wèn)題進(jìn)行了討論。
　　其次，討論并建立了解決無(wú)人駕駛汽車SLAM問(wèn)題所必須用到的模型，包括無(wú)人駕駛汽車本體模型，環(huán)境地圖模型，傳感器模型和數(shù)據(jù)關(guān)聯(lián)模型。在上述模型的基礎(chǔ)上，給出了無(wú)人駕駛汽車SLA

3、M問(wèn)題的一般性數(shù)學(xué)模型，并通過(guò)后續(xù)仿真實(shí)驗(yàn)說(shuō)明了所建立模型的合理性。
　　再次，建立基于擴(kuò)展卡爾曼濾波的SLAM算法(EKF-SLAM)和基于無(wú)跡卡爾曼濾波的SLAM算法(UKF-SLAM)的數(shù)學(xué)模型，從理論上分析了EKF-SLAM算法的缺點(diǎn)和UKF-SLAM算法的優(yōu)點(diǎn)。利用MATLAB對(duì)兩種算法設(shè)計(jì)了仿真實(shí)驗(yàn)，分別對(duì)兩種算法進(jìn)行了20次獨(dú)立重復(fù)實(shí)驗(yàn)，驗(yàn)證了兩種算法的可行性及UKF-SLAM算法的優(yōu)勢(shì)。
　　然后，對(duì)基于粒子

4、濾波的SLAM算法進(jìn)行了討論，根據(jù)粒子濾波的原理，建立了FastSLAM算法的數(shù)學(xué)模型。在FastSLAM算法基礎(chǔ)上引入自適應(yīng)重采樣技術(shù)和UKF，提出了自適應(yīng)重采樣無(wú)跡卡爾曼濾波FastSLAM算法(ARUFastSLAM)，并給出了算法的數(shù)學(xué)模型。通過(guò)仿真實(shí)驗(yàn)對(duì)兩種算法進(jìn)行了驗(yàn)證，分別設(shè)計(jì)了10、20、100個(gè)粒子的3組實(shí)驗(yàn)，每組進(jìn)行20次獨(dú)立重復(fù)實(shí)驗(yàn)，結(jié)果表明ARUFastSLAM算法有效性。進(jìn)一步的通過(guò)SLAM研究領(lǐng)域的標(biāo)準(zhǔn)測(cè)試數(shù)