资源描述：
《无线传感器网络环境下基于粒子滤波的移动机器人SLAM算法》由会员上传分享，免费在线阅读，更多相关内容在行业资料-天天文库。
1、第5卷第5期智能系统学报Vo.l5.52010年10月CAAITransactionsonIntelligentSystemsOct.2010do:i10.3969/.jissn.16734785.2010.05.008无线传感器网络环境下基于粒子滤波的移动机器人SLAM算法海丹,李勇,张辉,李迅(国防科技大学机电工程与自动化学院,湖南长沙410073)摘要:定位问题是移动机器人研究领域中最基本的问题,在Bay
2、es的框架下研究了机器人与无线传感器网络(WSN)组成系统中的同时建图与定位问题(SLAM).针对该系统中只存在距离测量信息可用的情况提出了一种基于粒子滤波的SLAM算法.该方法将机器人状态和节点位置估计设置为一组全局估计粒子,通过对粒子及其权重的更新来计算整个系统的状态.算法将WSN节点的位置估计在机器人的路径上分解为相互独立的估计,从而将全局粒子的计算转化为使用一个机器人状态滤波器和对应于每个机器人粒子的节点位置滤波器进行计算.针对观测信息低维的特点,设计了处理低维观测信息的方法,使得观测信息可以在滤波阶段得到合理利用.并且详细介绍
3、了提出的SLAM算法原理和计算过程,并通过仿真实验证明了算法的有效性和实用性.关键词:无线传感器网络;移动机器人;同时定位与建图;粒子滤波中图分类号:TP24文献标识码:A文章编号:16734785(2010)05042507SimultaneouslocalizationandmappingofamobilerobotinwirelesssensornetworksbasedonparticlefilteringHAIDan,LIYong,ZHANGHu,iLIXun(CollegeofMechatronicsEnginee
4、ringandAutomation,NationalUniversityofDefenseTechnology,Changsha410073,China)Abstract:Localizationisoneofthemostfundamentalproblemsinmobilerobots.Amethodforsimultaneouslocalizationandmapping(SLAM)inrobotandWSNsystemsusingrangeonlymeasurementswaspresentedinaBayesframewo
5、rkandaparticlefilteringmethodwasdesignedfortheproblem.TheestimationsoftherobotspathandWSNnodepositionweresettobeclustersofparticleswhichwerecalledstatusparticles.Thestatusparticleswereusedtoestimatethewholestateposteriorbyitspositionandweigh.tThealgorithmassumedpositiono
6、fWSNnodeswhichwereconditionedindependentlyalongtherobotspath,sothesystemposteriorcouldbecomputedseparately.Aparticlefiltercalledarobotfilterwasusedtocomputetherobotsposteriorandaseparatecopyofeachnodefiltercorrespondingtoeachrobotparticle.Duetothelowdimensionofrangemeas
7、uremen,tmethodsweremadeforutilizingthisinformation.Theexperimentprovedtheefficiencyandpracticalityofthealgorithm.Keywords:wirelesssensornetwork;mobilerobo;tSLAM;particlefiltering[2]定位问题在移动机器人研究领域是最基本的问(simultaneouslocalizationandmapping,SLAM).[1]题.按照DurrantWhyte的提法,自主
8、移动机器人解决移动机器人SLAM问题被许多学者称为是机器进行导航时,首先要知道自己在哪里即解决自身的人实现自主的关键.在实际应用中解决机器人定位,它是移动机器人有效地完成任务的前提.在未SLAM问题是一件具
