基于信息滤波器的同步定位与地图创建技术的研究

摘要

在移动机器人导航领域，未知环境下的同步定位与地图创建（SLAM）是研究的难点和热点。在SLAM问题中，机器人要在自身位置和环境地图信息都未知的前提下，递增地创建导航环境地图并同时用这一地图实现自身定位。对SLAM问题的解决具有着十分重要的理论和应用价值，是否具备同步定位与地图创建的能力被认为是移动机器人能否实现真正的自主性的关键。
　　SLAM问题最基本的解决方法是基于扩展卡尔曼滤波（EKF）的估计算法，它能提供SLAM问题的最优解，但存在着计算复杂度过大（与环境特征成平方关系）的问题。这一问题限制了它在大范围环境下的应用。本文针对EKF-SLAM算法的计算复杂度问题，研究了一种基于信息滤波的改进算法，即稀疏扩展信息滤波（SEIF）算法，它是在EIF（EKF的信息形式）算法基础上通过稀疏化处理后得到的。本文对该算法的结构作了详细推导，并对算法模型进行了分析。算法分析表明，SEIF算法的计算复杂度是恒定的，而与环境特征的个数无关。这意味着基于SEIF的SLAM算法在环境特征很多的大范围环境下具有很高的应用价值。
　　本文在基于SEIF的SLAM算法模型建立的基础上，对其进行了仿真和实验分析。仿真结果表明算法的估计是准确的，并没有因为稀疏化处理引入大的估计误差。从而验证了算法的有效性。通过利用CarPark真实实验数据进行的实验研究进一步验证了这一点。本文还将SEIF与EKF进行了仿真和实验比较，结果表明虽然SEIF的估计误差要比EKF稍大，但在计算时间和占用内存上SEIF要远远优于EKF。这也充分说明了SEIF算法在计算复杂度上较之于EKF的优越性。

目录

基于信息滤波器的同步定位与地图创建技术的研究

RESEARCH ON SIMULTANEOUS LOCALIZATION AND MAP BUILDING TECHNOLOGY BASED ON INFORMATION FILTER

摘 要

Abstract

第1章 绪论

1.1 课题的背景及研究目的与意义

1.2 课题研究的内容

1.3 论文的组织结构

第2章 自主移动机器人导航和同步定位与地图创建技术

2.1 自主移动机器人导航概述

2.2 自主移动机器人的定位问题

2.2.1 位置跟踪

2.2.2 全局定位

2.3 自主移动机器人的地图创建问题

2.3.1 栅格地图

2.3.2 几何地图

2.3.3 拓扑地图

2.4 同步定位与地图创建技术

2.4.1 同步定位与地图创建问题简述

2.4.2 同步定位与地图创建技术的主要内容

2.4.3 同步定位与地图创建技术的研究趋势

2.5 本章小结

第3章 基于扩展卡尔曼滤波的SLAM算法

3.1 SLAM问题的概率模型

3.2 卡尔曼滤波算法

3.2.1 线性卡尔曼滤波

3.2.2 扩展卡尔曼滤波

3.2.3 EKF求解SLAM问题

3.3 基于车辆-路标模型的EKF-SLAM算法

3.3.1 增广状态过程模型

3.3.2 观测模型

3.3.3 估计公式

3.3.4 数据关联

3.3.5 状态增广

3.3.6 小结

3.4 基于车辆-路标模型的EKF-SLAM算法的仿真分析

3.4.1 仿真参数设置

3.4.2 路标稀疏的地图下的仿真结果

3.4.3 路标稠密的地图下的仿真结果

3.5 基于EKF的SLAM算法的若干问题

3.5.1 算法估计的一致性问题

3.5.2 计算复杂度问题

3.5.3 数据关联问题

3.6 降低基于EKF的SLAM算法计算复杂度的改进算法

3.7 本章小结

第4章 基于稀疏扩展信息滤波的SLAM算法

4.1 SLAM问题概率模型的信息形式

4.2 扩展信息滤波算法

4.2.1 观测更新

4.2.2 移动更新

4.3 EIF的稀疏表达

4.3.1 稀疏化的一般思想

4.3.2 信息矩阵的稀疏化

4.3.3 状态向量近似递推恢复

4.3.4 数据关联概率近似恢复

4.4 基于车辆-路标模型的SEIF-SLAM算法

4.5 基于车辆-路标模型的SEIF-SLAM算法的仿真分析

4.5.1 路标稀疏的地图下的仿真结果

4.5.2 路标稠密的地图下的仿真结果

4.5.3 稀疏化程度对SEIF-SLAM算法执行的影响

4.6 SEIF-SLAM算法与EKF-SLAM算法的比较

4.7 本章小结

第5章 基于Car Park真实实验数据的SLAM算法实验研究

5.1 Car Park实验数据结构

5.2 基于Car Park实验数据的SLAM问题的模型

5.2.1 过程模型及其雅可比矩阵

5.2.2 观测模型及其雅可比矩阵

5.3 基于EKF的SLAM算法实验结果

5.3.1 算法中的参数设置

5.3.2 实验结果

5.4 基于SEIF的SLAM算法实验结果

5.5 本章小结

结 论

参考文献

攻读学位期间发表的学术论文

哈尔滨工业大学硕士学位论文原创性声明

哈尔滨工业大学硕士学位论文使用授权书

哈尔滨工业大学硕士学位涉密论文管理

致 谢