动态场景下基于改进粒子滤波器的SLAM算法

摘要

实现智能移动机器人完全自主的一个关键是如何解决移动机器人的定位与地图构建问题，这是移动机器人实现环境探索和导航的重要基础。随着传感器的发展，如何从传感器信息有效地对未知环境中的特征进行描述刻画，如何选择恰当的系统状态估计方案有效地处理动态场景，是定位和地图构建需要解决的关键问题。
　　本论文在总结前人工作的基础上，对移动机器人同时定位与地图创建(SimulationLocalization and Mapping，SLAM)方法进行研究，针对室内半结构化特征的地图表达和传统SLAM方法对动态环境的适应性，以及减少系统噪声误差等方面提出了一些改进算法和方案，以提高SLAM算法精度、构图一致性。本文的主要研究内容包括以下几个方面:
　　1.提出一种融合了扫描匹配的自定位结果和里程位姿估计结果的相对定位方法。针对激光测距传感器的测量离散特性以及室内观测结果呈现局部线段化特点，基于点-线的迭代最近邻法(Point-to-line based Iterative Closest Point，PLICP)进行局部匹配纠正里程计误差;为使匹配算法的实时性以适应SLAM，采用混合快速搜索对应点策略加速误差函数最小值求解，从而改进运动模型提高SLAM算法位姿预测的精度。
　　2.针对室内半结构化环境特征的规则特性，提出基于元胞自动机强化地图特征信息的优化构图和定位算法。利用占据栅格对空间规则划分，引入元胞自动机到传统SLAM的迭代循环中，在地图更新环节进行元胞生长强化，改善构图的一致性，并在SLAM迭代中提高定位精度。
　　3.面向动态场景的地图建模问题和融入元胞自动机SLAM算法的扩展应用问题，提出一种适应动态环境的分层强化构图与定位算法。该算法继承占用栅格地图的动静态地图混合表达，通过统计动态物体观测频度对栅格属性添加静动状态值，有效地描述运动物体状态;同时对丰富的扫描信息采用空间分层操作，将常见动态SLAM问题转为静态结构化环境的构图和精定位问题以及动态环境的混合地图构建问题，将融入元胞强化机制的SLAM算法应用到动态场景。
　　以激光测距仪作为环境感知传感器，基于youBot移动机器人在Gazebo仿真平台和ROS平台上对算法进行实验验证。实验结果表明所提方法是有效和可靠的。

目录

摘要

第一章 绪论

1．1 课题背景与研究意义

1．2 国内外研究现状

1．2．1 SLAM的主要研究方法

1．2．2 基于扫描匹配自定位的研究现状

1．2．3 动态场景的研究现状

1．3 课题来源与研究内容

第二章 自主移动机器人平台及SLAM系统建模

2．1 机器人操作系统及仿真软件介绍

2．1．1 ROS

2．1．2 Gazebo仿真器

2．2 自主移动机器人系统模型

2．2．1 移动机器人及运动模型

2．2．2 环境特征模型

2．2．3 激光测距仪及观测模型

2．3 SLAM系统模型与改进算法基础

2．3．1 SLAM系统模型

2．2．4 基于粒子滤波器SLAM算法

2．4 本章小结

第三章 融合PLICP扫描匹配改进的里程估计算法

3．1 问题的提出与描述

3．2 传统扫描匹配不足分析

3．3 融合PLICP的改进里程估计算法

3．3．1 基于点-线ICP的原理与算法

3．3．2 混合快速搜索关联点算法

3．3．3 数据集对比验证实验

3．3．4 融合PLICP扫描匹配的运动模型

3．4 实验与分析

3．5 本章小结

第四章 基于元胞自动机改进的SLAM算法

4．1 改进算法的提出

4．2 元胞自动机简介

4．3 栅格地图的构建

4．4 改进SLAM算法中的CA策略

4．3．1 改进CA邻居分布

4．3．2 改进强化特征规则

4．3．3 算法的动态更新

4．5 CA-SLAM的算法

4．4．1 融入CA策略的可行性分析

4．4．2 CA-SLAM算法流程框架

4．6 仿真与实验分析

4．5．1 CA-SLAM仿真与分析

4．5．2 CA-SLAM实验与分析

4．7 本章小结

第五章 动态环境下基于CA改进的分层SLAM

5．1 问题的提出与改进思路

5．2 三维环境的分层感知表示

5．3 基于CA改进的分层SLAM算法

5．3．1 动静态地图层的构建

5．3．2 动态场景分层CA-SLAM算法

5．4 仿真与实验分析

5．4．1 仿真与分析

5．4．2 实验与分析

5．5 本章小结

总结与展望

参考文献

攻读学位期间发表的论文

声明

致谢