SLAM中數(shù)據(jù)關聯(lián)算法研究.pdf

1、同步定位與地圖創(chuàng)建(Simultaneous Localizationand Mapping,SLAM)是移動機器人自主導航的熱點問題。所謂SLAM是指在不確定移動機器人初始位置的條件下，對機器人周圍的未知環(huán)境進行地圖創(chuàng)建，同時根據(jù)創(chuàng)建的地圖對機器人進行定位和導航。目前，SLAM的研究已經(jīng)取得了顯著的成果，但是仍然面臨著許多問題亟需解決。其中錯誤的數(shù)據(jù)關聯(lián)結果會顯著的增大機器人位置估計和地圖估計的誤差，直接導致SLAM算法發(fā)散。所以本文

2、主要針對SLAM中的數(shù)據(jù)關聯(lián)進行了研究。
　　本文針對當環(huán)境特征數(shù)未知時，數(shù)據(jù)關聯(lián)的誤關聯(lián)率增加，導致SLAM的定位精度偏低的問題，提出了高斯混合概率假設密度SLAM算法——GMPHD-UFastSLAM算法。該算法首先采用UFastSLAM來解決FastSLAM2.0中的粒子退化和耗盡問題，其次針對地圖特征數(shù)未知的情況，利用高斯混合概率假設密度（Gaussian Mixture Probability Hypothesis De

3、nsity，GMPHD）算法來解決UFastSLAM中的數(shù)據(jù)關聯(lián)問題。仿真實驗結果表明本文提出的GMPHD-UFastSLAM算法在地圖特征數(shù)未知的情況下，不僅改善了數(shù)據(jù)關聯(lián)的性能，而且提高了機器人的定位精度。
　　基于相同的思路，在環(huán)境特征數(shù)未知時，EKFSLAM中的數(shù)據(jù)關聯(lián)誤關聯(lián)率增加，導致機器人定位精度比較低，本文提出了GMPHD-EKFSLAM算法，該算法同樣是利用GMPHD來解決EKFSLAM中的數(shù)據(jù)關聯(lián)問題。經(jīng)過仿真結