基于Sigma點濾波的移動機器人同時定位與地圖創(chuàng)建算法的研究.pdf

1、移動機器人的同時定位與地圖創(chuàng)建(SLAM)問題是移動機器人學(xué)研究領(lǐng)域的熱點問題之一，它作為機器人進行導(dǎo)航、避障、路徑規(guī)劃及執(zhí)行其它任務(wù)的基礎(chǔ)，決定著機器人能否真正實現(xiàn)對未知環(huán)境的自主探索。所謂同時定位與地圖創(chuàng)建，是指移動機器人利用自身攜帶的傳感器，從一個未知環(huán)境開始移動，構(gòu)建未知環(huán)境地圖的同時，確定自身在該地圖中位姿的過程。該過程中涉及到了傳感器信息的處理、地圖表示方法的選擇及SLAM算法的實現(xiàn)等問題，而SLAM算法的實現(xiàn)又是其中非常重

2、要的一個方面。
　　針對SLAM問題中機器人運動模型和觀測模型的非線性特性，Sigma點濾波方法被引入到SLAM算法中。論文對基于不同采樣規(guī)則的Sigma點卡爾曼濾波(SPKF)——包括無跡卡爾曼濾波(UKF)和中心差分卡爾曼濾波（CDKF）的SLAM算法，從準(zhǔn)確度、一致性和計算復(fù)雜度等方面，對其性能進行了分析比較。在此基礎(chǔ)上提出一些改進算法，以提高SLAM算法的準(zhǔn)確度、計算效率和魯棒性等性能，拓展其使用范圍。論文的創(chuàng)新性工作主要

3、包括:
　　(1)提出一種基于平方根CDKF（SR-CDKF）的SLAM算法，該算法通過QR分解和Cholesky更新實現(xiàn)了對狀態(tài)方差矩陣平方根矩陣的直接更新，提高了基于CDKF的SLAM算法的計算效率。
　　(2)提出一種計算復(fù)雜度降低的基于CDKF（CR-CDKF）的SLAM算法，它以CDKF的線性回歸卡爾曼濾波形式為基礎(chǔ)，通過重構(gòu)預(yù)測、觀測更新和地圖增廣過程中的狀態(tài)變量和相應(yīng)的方差矩陣改進上述過程中的Sigma點采樣策

4、略，使算法的計算復(fù)雜度降為O(n2)。對該算法應(yīng)用壓縮濾波的思想，提出一種基于壓縮CDKF的SLAM算法，進一步降低計算復(fù)雜度，實現(xiàn)了其在大規(guī)模環(huán)境中的應(yīng)用。
　　(3)提出一種基于優(yōu)化迭代SPKF(O-ISPKF)的SLAM算法，該算法在觀測更新過程中采用阻尼高斯-牛頓迭代的方法，通過引入調(diào)節(jié)參數(shù)和相應(yīng)的判定條件，增強算法的穩(wěn)定性，能夠有效提高基于SPKF的SLAM算法的準(zhǔn)確度。
　　(4)探討了基于非線性H∞濾波的SLA