移动机器人在未知环境下的同步定位与地图重建方法

移动机器人在未知环境下的同步定位与地图重建方法

ID:38271364

大小:666.83 KB

页数:6页

时间:2019-05-29

移动机器人在未知环境下的同步定位与地图重建方法_第1页
移动机器人在未知环境下的同步定位与地图重建方法_第2页
移动机器人在未知环境下的同步定位与地图重建方法_第3页
移动机器人在未知环境下的同步定位与地图重建方法_第4页
移动机器人在未知环境下的同步定位与地图重建方法_第5页
资源描述:

《移动机器人在未知环境下的同步定位与地图重建方法》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25卷第4期控制与决策2010年4月从)1.25No.4Q,ntrolandDeeisionAPr.2010文章编号:l(X)l一0920(2010)04一0515一06移动机器人在未知环境下的同步定位与地图重建方法张亮,蒋荣欣,陈耀武(浙江大学数字技术及仪器研究所,杭州31027)摘要:在标准FastSLAM中,随着重采样次数的增加会出现卜分严重的粒子退化现象,从而导致机器人位姿估计的一致性很差.针对FastSLAM算法的这一缺陷,提出一种改进的FastSLAM算法.此算法在标准FastSLAM的重采样条件判断中,额外考虑了粒子权重协方差和每

2、个粒子的测量残余一致性,并且使用指数等级选择算法进行新粒子的生成.通过仿真实验可以看出,改进的FastSLAM算法不但可以明显地提高机器人位姿估计一的一致性,而且能够很好地保持粒子多样性.关键词:同步定位与地图创建;一致性;测量残余一致性;指数等级选择中图分类号:TP249文献标识码:AAlgorithmformobilerobots.simultaneousloealizationandm8PPllg11lnkn0WnelVironmentsZ月叭刀GLiang,儿魂刀GRong一in,C万石刀Ya口一wu(InstituteofAdvanee

3、dDigitalTechnologiesandInstrumentation,ZhejiangUniversity,Hangzhou310027,China.CoresPondent:ZHANGLiang,E一mail:zliang520@zju.edu.en)Abstraet:Inthenormalfastsimultaneousloca]izationandmaPPing(FastSLAM)algorithm,thePartieledegradationPhenomenaarequiteobvious,whichleadstotheeonsi

4、steneyoftherobotPoseestimationeomParativelyworse.Therefore,aimProvedFastSLAMalgorithm15ProPosed,inwhichthePart.ieIeweights.covarianeeandeveryPartiele.5residualeonsistencyareeonsideredtoeheekwhetherit15thetimetodore一samPle,andthenewPaIt.iclesareProducedbyusingexPonentialrankin

5、gselectionmethod.SimulationresultsshowthattheimProvedFastSLAMalgorithmeanimProvetheeonsisteneyoftherobotPoseestimationobviouslyandkeePthediversityoftheParticlewell.Keywords:SimultaneousloealizationandmaPPing(SLAM);Consisteney;Measurementresidualeonsisteney;ExPonentialrankings

6、election1引言数据关联的错误及时进行自恢复12,31.移动机器人在自身位置和姿态都不确定的条件针对E舒一sLAM所存在的问题,Montemelo下,利用自身的内部设备和外部测量传感装置,在完等[4,5]提出了FastSLAM算法.在FastSLAM算法中全未知的环境中创建地图,同时利用所创建地图进SLAM问题被分解为机器人位姿估计和路标位置行自主定位被统称为同时定位与地图创建(SLAM)估计两个过程.对机器人位姿的估计使用粒子滤波问题.自从Smith等=.>提出基于扩展卡尔曼滤波器器,对路标位置估计使用EKF进行.机器人位姿估计(EKF)

7、的SLAM算法之后,EKF一SLAM便成为研究中,每个粒子代表机器人一条可能的轨迹,并且同时SLAM问题的主要方法.但随着对SLAM问题的深入使用粒子权重来表示此轨迹的好坏,每个粒子中的路研究,人们发现EKF一SLAM算法存在很明显的缺陷:标位置估计是相互独立的,与EKF一SLAM的计算复杂度不同,FastsLAM算法的计算复杂度为O(MlogN).一是其计算复杂度和环境中己检测路标数目N成平方比口(N/),并且在同一时刻即使只检测到一个路其中:M为所使用的粒子数目,N为己检测到的路标标,整个状态协方差矩阵都必须进行更新;二是EKF-数目.对于数

8、据关联而言,在FastSLAM算法中,每个SLAM算法对数据关联问题处理不够健壮,它不能对粒子的数据关联是相互独立的.当其中部分出现问收

当前文档最多预览五页,下载文档查看全文

此文档下载收益归作者所有

当前文档最多预览五页,下载文档查看全文
温馨提示:
1. 部分包含数学公式或PPT动画的文件,查看预览时可能会显示错乱或异常,文件下载后无此问题,请放心下载。
2. 本文档由用户上传,版权归属用户,天天文库负责整理代发布。如果您对本文档版权有争议请及时联系客服。
3. 下载前请仔细阅读文档内容,确认文档内容符合您的需求后进行下载,若出现内容与标题不符可向本站投诉处理。
4. 下载文档时可能由于网络波动等原因无法下载或下载错误,付费完成后未能成功下载的用户请联系客服处理。