首页> 正文

同步定位与地图构建技术中的数据关联问题

2020-12-06阅读(568)

同步定位与地图构建技术中的数据关联问题

论文摘要

同步定位与地图构建（SLAM）属于自主机器人导航的范畴,是自主机器人在未知环境中实现自主导航和完成复杂任务的关键,集中体现了机器人的感知能力和智能水平。SLAM问题的解决对自主机器人实现真正意义的“自主”有着十分重大的意义,并已成为近年来自主机器人领域中研究的热点。基于扩展卡尔曼滤波的同步定位与地图构建算法（EKF-SLAM）是机器人SLAM问题的基本算法,然而存在着运算复杂度大、不适合大地图复杂环境的问题。有鉴于此,本文在EKF-SLAM基础上,研究了一种基于稀疏扩展信息滤波的自主机器人同步定位与地图构建算法（SEIF-SLAM）。SEIF-SLAM通过对信息矩阵的稀疏化处理,忽略掉与当前机器人关联较弱的关联,使表征机器人位置及环境地图不确定性的状态协方差矩阵限制到一个较小的维数,从而使SEIF-SLAM运算复杂度得到有效降低。SEIF-SLAM的目标是设计一种可恒时更新的近似SLAM算法,该算法在预测和更新阶段均可实现恒时更新,但数据关联算法尚不具有恒时特点,成为限制其应用的主要障碍。为了解决数据关联问题,本文结合SEIF-SLAM的特点探索了四种可应用于SEIF-SLAM的数据关联算法:全局协方差、局部协方差、扩大搜索维度及混合型数据关联算法。数据关联时通过信息矩阵求逆获得所需协方差信息的方法称为全局协方差数据关联法。该算法是一种较为精确和使用广泛的算法,其缺点是计算复杂度较大。局部协方差数据关联算法引入了马尔科夫带的概念,对关联概率实施近似处理,使得数据关联过程中仅仅对维数较小的子矩阵进行操作。仿真实验表明,该算法在机器人运动轨迹形成闭合环路之前是有效的,且单位时间内能够保持运算量恒定,有效降低了运算复杂度。为了解决机器人运动轨迹形成闭合回路后的数据关联问题,提出了一种扩大搜索维度的数据关联算法。该算法在对关联概率近似处理的同时,在空间概念上扩大路标匹配的搜索范围,以保证形成闭合环路处的邻近路标都包含在该匹配范围之内,从而解决形成闭合环路时的数据关联问题。仿真实验表明,在形成闭合环路后该数据关联算法是有效的,但关键参数要凭借经验来选取。为了提高数据关联算法的通用性,在考虑全局协方差型、局部协方差型及扩大搜索维度数据关联算法的基础上,提出了混合型的数据关联算法。该算法除了在闭合回路处需要对协方差矩阵进行全局更新外,其他位置均用局部协方差进行关联匹配,保证数据正确关联的同时降低了运算复杂度。仿真实验表明,混合型算法稳定性高,通用性强,除闭合回路处外均可以恒时执行,计算量小,工程实用性强,在大地图复杂环境下有着较高的实用价值。

论文目录

  • 摘要
  • Abstract
  • 第1章 绪论
  • 1.1 自主机器人导航中的SLAM 技术
  • 1.1.1 自主机器人定位
  • 1.1.2 自主机器人地图构建
  • 1.1.3 自主机器人同步定位与地图构建
  • 1.2 SLAM 技术的研究现状
  • 1.3 论文的主要研究内容
  • 第2章 SLAM问题的数学模型
  • 2.1 SLAM 数学描述
  • 2.1.1 贝叶斯估计
  • 2.1.2 SLAM 概率模型
  • 2.2 SLAM 系统状态空间
  • 2.3 SLAM 运动模型和观测模型
  • 2.3.1 运动模型
  • 2.3.2 观测模型
  • 2.4 SLAM 仿真模型
  • 2.4.1 车辆动力学模型
  • 2.4.2 环境路标模型
  • 2.4.3 传感器模型
  • 2.5 本章小结
  • 第3章 SLAM问题的概率估计算法
  • 3.1 引言
  • 3.2 基于扩展卡尔曼滤波的SLAM 算法
  • 3.2.1 基于EKF 的SLAM 算法
  • 3.2.2 EKF-SLAM 的计算复杂度
  • 3.3 基于扩展信息滤波的SLAM 算法
  • 3.3.1 SLAM 概率模型的信息形式
  • 3.3.2 基于EIF 的SLAM 算法
  • 3.3.3 信息矩阵的结构分析
  • 3.4 基于稀疏扩展信息滤波的SLAM 算法
  • 3.4.1 信息矩阵的稀疏化
  • 3.4.2 基于SEIF 的SLAM 算法
  • 3.5 本章小结
  • 第4章 SLAM算法中的数据关联问题
  • 4.1 引言
  • 4.2 有关数据关联的基本概念
  • 4.2.1 马氏距离和卡方分布
  • 4.2.2 基于最近邻近-马氏距离法的数据关联算法
  • 4.2.3 数据关联的闭环问题
  • 4.3 EKF-SLAM 算法中的数据关联
  • 4.3.1 EKF-SLAM 及其数据关联算法
  • 4.3.2 数据关联算法仿真分析
  • 4.4 EIF-SLAM 算法中的数据关联
  • 4.4.1 EIF-SLAM 及其数据关联算法
  • 4.4.2 数据关联算法仿真分析
  • 4.5 SEIF-SLAM 算法中的数据关联
  • 4.5.1 近似化处理的数据关联方法
  • 4.5.2 数据关联算法仿真分析
  • 4.6 本章小结
  • 结论
  • 参考文献
  • 附录
  • 附录1 卡尔曼滤波基本数学模型
  • 附录2 线性卡尔曼滤波模型
  • 附录3 扩展卡尔曼滤波模型
  • 攻读学位期间发表的学术论文
  • 致谢

    • 相关论文文献

    • [1].基于SLAM的城市人防工程调查和信息系统设计实现[J]. 地理空间信息 2019(12)
    • [2].基于图优化的视觉SLAM研究进展与应用分析[J]. 计算机应用研究 2020(01)
    • [3].基于FPGA的激光雷达SLAM测绘设计与实现[J]. 科技创新与应用 2020(08)
    • [4].复杂场景下视觉先验信息的地图恢复SLAM[J]. 中国图象图形学报 2020(01)
    • [5].基于手持激光Slam的厂房改造应用[J]. 科学技术创新 2020(06)
    • [6].基于SLAM的柏油马路智能清扫机器人[J]. 内燃机与配件 2020(05)
    • [7].SLAM后端优化原理研究[J]. 现代农机 2020(02)
    • [8].激光SLAM精度测试场设计与实现[J]. 测绘通报 2020(05)
    • [9].Progress and Applications of Visual SLAM[J]. Journal of Geodesy and Geoinformation Science 2019(02)
    • [10].基于SLAM的机器人的导航算法设计[J]. 智能机器人 2019(06)
    • [11].Cartographer 2D SLAM算法室内建图分析[J]. 电子世界 2020(11)
    • [12].基于SLAM技术的医疗服务机器人分析[J]. 电脑编程技巧与维护 2020(06)
    • [13].基于SLAM的激光雷达三维测绘仪前景分析[J]. 科技视界 2020(19)
    • [14].基于蛇形机器人的SLAM技术研究[J]. 制造业自动化 2020(07)
    • [15].基于激光SLAM的牧场智能饲喂机器人研发[J]. 自动化与仪表 2020(07)
    • [16].基于单目SLAM的无人机视觉导航研究综述[J]. 飞航导弹 2020(07)
    • [17].单机器人SLAM技术的发展及相关主流技术综述[J]. 计算机工程与应用 2020(18)
    • [18].3D SLAM技术在轨道交通竣工测量中的应用[J]. 北京测绘 2020(10)
    • [19].基于双目SLAM的室内导航系统[J]. 通讯世界 2019(01)
    • [20].基于图优化的SLAM后端优化研究与发展[J]. 计算机应用研究 2019(01)
    • [21].图优化SLAM的嵌入式处理技术[J]. 成都信息工程大学学报 2019(02)
    • [22].无人平台SLAM技术研究进展[J]. 导航定位与授时 2019(04)
    • [23].基于地面匹配的单目SLAM局部尺度恢复[J]. 工业控制计算机 2019(08)
    • [24].SLAM问题中机器人定位误差分析与控制[J]. 科学技术创新 2019(26)
    • [25].一种视觉SLAM中运动模糊应对方法[J]. 哈尔滨工业大学学报 2019(11)
    • [26].RGB-D SLAM综述[J]. 导航定位与授时 2017(06)
    • [27].基于图优化的单目线特征SLAM算法[J]. 东南大学学报(自然科学版) 2017(06)
    • [28].基于智能算法的多机器人SLAM方法[J]. 中国科技信息 2016(23)
    • [29].视觉SLAM综述[J]. 智能系统学报 2016(06)
    • [30].采用SLAM方法的电脑鼠[J]. 微型机与应用 2017(12)

    标签：;  ;  ;  

    同步定位与地图构建技术中的数据关联问题
    下载Doc文档

    猜你喜欢

    © 2025 毕速过 版权所有 鄂ICP备12018319号-5