室外移動(dòng)機(jī)器人同時(shí)定位與建圖的一致性方法研究.pdf

1、同時(shí)定位與建圖(Simultaneous Localizationand Mapping，SLAM)是指移動(dòng)機(jī)器人在探測(cè)未知環(huán)境時(shí)，為實(shí)現(xiàn)完全自治，建立增量式的環(huán)境地圖、同時(shí)估計(jì)自身位姿的過程，是聯(lián)合狀態(tài)估計(jì)問題。本文使用激光雷達(dá)作為距離一角度測(cè)量傳感器，感知室外環(huán)境中物體與機(jī)器人的相對(duì)位置，建立點(diǎn)特征地圖;針對(duì)SLAM濾波器的一致性問題展開研究，并結(jié)合增量式地圖創(chuàng)建過程的特點(diǎn)，提出若干改進(jìn)方法，將其應(yīng)用于智能車輛環(huán)境地圖創(chuàng)建和偵察機(jī)器

2、人自動(dòng)回撤。
　　 在使用擴(kuò)展卡爾曼濾波器(Extended Kalman Filter,EKF)解決SLAM問題時(shí)，利用完全協(xié)方差矩陣維護(hù)不同狀態(tài)分量之間的互相關(guān)，在狀態(tài)更新時(shí)利用相關(guān)性對(duì)不可觀測(cè)的特征進(jìn)行維護(hù)，但模型不精確和線性化引起的累積誤差導(dǎo)致無法正確更新協(xié)方差矩陣，同時(shí)產(chǎn)生錯(cuò)誤的狀態(tài)估計(jì)，產(chǎn)生樂觀估計(jì)。本文首先驗(yàn)證了機(jī)器人在運(yùn)動(dòng)前重復(fù)觀測(cè)新的特征時(shí)，線性化誤差必將導(dǎo)致不一致性，并發(fā)現(xiàn)機(jī)器人方向角的方差較大是主要因素。為

3、了改善一致性能，提出了可移動(dòng)坐標(biāo)框架方法，在檢測(cè)到新的特征時(shí)通過坐標(biāo)變換，將參考框架移至機(jī)器人當(dāng)前位姿處，使特征的初始方差僅由測(cè)量噪聲決定，而與機(jī)器人位姿估計(jì)誤差無關(guān)。狀態(tài)分量之間的初始相關(guān)性較小、機(jī)器人方向角的卡爾曼增益矩陣較小以及位姿估計(jì)誤差的有界性，為坐標(biāo)框架移動(dòng)提供了依據(jù)。改進(jìn)的方法將未知環(huán)境探測(cè)變成始終在已探測(cè)環(huán)境中進(jìn)行探測(cè)，因此將線性化誤差引起的不一致性限制在局部環(huán)境中。
　　 由于EKF在維護(hù)協(xié)方差矩陣時(shí)具有平方復(fù)

4、雜度，因此使用擴(kuò)展信息濾波器(Extended Information Filter,EIF)解決SLAM問題。本文以圖模型為數(shù)據(jù)結(jié)構(gòu)，解釋在坐標(biāo)框架移動(dòng)時(shí)，若保留機(jī)器人舊的位姿向量，則新的位姿不再與不可檢測(cè)到的舊的特征之間產(chǎn)生約束，從而使圖模型保持局部屬性。為了同時(shí)獲得較好的一致性和計(jì)算性能，提出了可移動(dòng)坐標(biāo)框架的稀疏信息濾波器，當(dāng)機(jī)器人在不同局部環(huán)境中進(jìn)行切換時(shí)，使用坐標(biāo)框架移動(dòng)和保留機(jī)器人位姿，使信息矩陣具有確切稀疏性，保證在局部

5、探測(cè)時(shí)具有常時(shí)間計(jì)算復(fù)雜度。在特征分布密集的環(huán)境中，為了減少坐標(biāo)框架移動(dòng)的次數(shù)，結(jié)合現(xiàn)有稀疏化近似方法，可以獲得更稀疏的信息矩陣。
　　 為了實(shí)現(xiàn)大規(guī)模環(huán)境探測(cè)，利用分治法的思想，提出了一種基于約束的子地圖方法，根據(jù)位置相鄰的子地圖中公共特征之間的匹配關(guān)系、以及子地圖使用的局部坐標(biāo)框架與前一子地圖中機(jī)器人位姿之間的等價(jià)關(guān)系，建立加權(quán)最小二乘約束。環(huán)路閉合后，使用迭代最優(yōu)化方法求解相應(yīng)的約束方程，計(jì)算這些局部坐標(biāo)框架的全局位姿，并

6、對(duì)每個(gè)子地圖的末端進(jìn)行局部調(diào)整，獲得子地圖對(duì)應(yīng)的全局位置，最后得到全局一致的環(huán)境地圖。
　　 最后，針對(duì)偵察機(jī)器人在探測(cè)危險(xiǎn)環(huán)境時(shí)面臨的自動(dòng)回撤問題，本文提出了基于路徑點(diǎn)的匹配方法，使用迭代最近點(diǎn)算法逐步調(diào)整回撤時(shí)的機(jī)器人位姿，使當(dāng)前傳感器測(cè)量數(shù)據(jù)與探測(cè)階段記錄的關(guān)鍵路徑點(diǎn)對(duì)應(yīng)的測(cè)量值匹配。對(duì)于復(fù)雜環(huán)境探測(cè)，將機(jī)器人在所有采樣時(shí)刻的位姿作為變量，使用原始測(cè)量數(shù)據(jù)直接表示環(huán)境，根據(jù)加權(quán)最小二乘方法，首先得到全局一致的原始數(shù)據(jù)地圖，