基于多尺度网格细胞到位置细胞的仿生SLAM算法

摘要

针对同步定位与地图构建(simultaneous localization and mapping,SLAM)过程中定位精度较低和角度漂移等问题,受哺乳动物海马体空间认知机理的启发,提出一种构建多尺度网格细胞到位置细胞信息转换的仿生SLAM算法.首先,引入头方向细胞和条纹细胞感知自身运动信息,并生成多尺度网格细胞覆盖整个空间环境,减小由于角度偏移而产生的累计误差;其次,对于定位精度低问题,采用Hebb学习规则下的竞争型神经网络建立多尺度网格细胞到位置细胞的信息转换关系;最后,构建位置细胞与空间环境中不同地标的映射关系,通过选取最大放电率的位置细胞形成空间认知拓扑地图,实现移动机器人的自主定位.与RatSLAM和ORB-SLAM2在KITTI公开数据集上进行对比实验,结果表明,所提算法能够通过对位置信息进行编码实现未知环境中的自主定位和建图,同时,控制平移误差不超过1.50 m,旋转误差不高于1.0°.