移动机器人在SLAM中数据关联方法的研究

论文摘要

同步定位与地图创建(SLAM)问题是移动机器人解决在未知环境中实现自主的关键问题。然而,在未知的环境中,移动机器人系统缺乏先验的地图信息和定位信息,它只能通过对环境特征的感知与估计来进行定位,同时利用定位信息来进行地图创建。数据关联的问题是SLAM研究重点,本文的工作重点就是对SLAM中数据关联技术的相关方法进行研究与探讨。本文根据数据关联树模型和贝叶斯图模型,提出了一种解决同时定位与地图创建中数据关联问题算法,即基于动态阈值的启发式搜索SLAM算法(DHBS_SLAM);该方法通过对数据关联树有限深度的回溯实现对错误数据的修正,在搜索的过程中使用动态阈值进行门限过滤,减少可能的数据关联的数目,在不降低数据关联正确率的情况下,提高数据关联效率,最终实现算法的在线修正过去错误数据关联。本文对机器人相关的模型进行了研究,结合了SLAM的问题中的一般模型创建了简化的仿真平台。借助这个平台,对FastSLAM的方法,HBS_SLAM方法和DHBS_SLAM方法进行了实验,并对实验结果从关联正确率和关联时间两方面上进行了比较、分析。实验结果表明DHBS_SLAM算法是一种有效的机器人同时定位与地图创建方法。

论文目录

• 摘要
• Abstract
• 1 绪论
• 1.1 研究背景
• 1.2 数据关联技术国内外的发展现状
• 1.2.1 SLAM问题简介
• 1.2.2 在SLAM中数据关联
• 1.2.3 数据关联技术国内外研究方法
• 1.2.4 存在问题和解决方案
• 1.3 提高SLAM鲁棒性的方法
• 1.4 SLAM应用前景
• 1.5 本文的研究内容和组织结构
• 2 数据关联模型和搜索策略
• 2.1 移动机器人SLAM中的相关模型
• 2.1.1 移动机器人坐标系模型
• 2.1.2 移动机器人的运动模型
• 2.1.3 特征模型
• 2.1.4 环境地图模型
• 2.1.5 传感器观测模型
• 2.1.6 噪声模型
• 2.2 SLAM系统模型
• 2.3 SLAM的Bayesian模型
• 2.4 数据关联树模型
• 2.4.1 数据关联解空间
• 2.4.2 数据关联树（Data Association Tree）
• 2.4.3 数据关联树的性质
• 2.5 基于数据关联树搜索方法
• 2.5.1 深度优先搜索方法
• 2.5.2 宽度优先搜索
• 2.5.3 启发式搜索方法
• 3 数据关联过程
• 3.1 数据关联的过程
• 3.2 门限过滤
• 3.2.1 矩阵关联门
• 3.2.2 椭球形关联门
• 3.2.3 矩阵关联门和椭球形关联门比较
• 3.3 关联矩阵
• 3.4 赋值策略
• 4 状态估计方法
• 4.1 Kalman滤波
• 4.2 扩展Kalman滤波
• 4.3 稀疏扩展信息滤波（Sparse extended information filter,SEIF）
• 4.4 粒子滤波器
• 4.4.1 FastSLAM算法简介
• 4.5 基于集合理论估计
• 4.6 最小二乘法状态估计
• 5 基于动态阈值启发式搜索的SLAM算法
• 5.1 动态阈值设置
• 5.2 最好优先结合回溯的搜索方法
• 5.3 算法实现
• 5.4 仿真实验
• 5.4.1 仿真环境
• 5.4.2 仿真模型和参数
• 5.4.3 实验结果及分析
• 结论
• 参考文献
• 攻读硕士学位期间发表学术论文情况
• 致谢