论文部分内容阅读
移动机器人环境建模与定位问题是移动机器人研究领域中的基本问题，它是实现自主导航的基础。尽管对此问题的研究已有二十多年的历史，但仍然存在尚未解决的问题以及不断出现的新问题。由于超声传感器的物理特性，在某种意义上，它只能被看作是一个纯距离的测量装置，因此利用超声传感器进行环境建模和定位更是一项具有挑战性的工作。
本文以利用超声传感器实现环境建模和定位为切入点，对移动机器人环境建模与定位问题进行了深入的研究，从系统的角度，对不同的定位系统以及SLAM系统的能观性进行了分析，得出了一些比较重要的结论。
本文的主要工作和贡献有：
①针对超声传感器能够在室内环境下稳定地探测到点和线这两种特征的特性，提出了可以实现稀疏超声数据与特定类型特征进行数据关联的三测量关联模型，并在数据关联的基础上，利用迭代最小二乘法估计出了特征的参数，完成了从超声数据建立包含点特征和线特征的特征地图的工作。本方法避免了利用大量超声数据进行数据关联而无法满足移动机器人实时性的局限。
②在实际中，基于路标或者特征地图的定位系统往往要考虑一个问题：环境中有多少个路标或者特征才能够满足定位的需要。以超声传感器定位为研究目标，本文对纯距离测量定位系统的能观性进行了分析，并回答了上述问题，得出了一些具有一般性意义的结论。基于这些结论，提出了基于角度直方图的姿态估计方法以及基于最优支撑分布的蒙特卡洛定位方法。
③尽管SLAM问题是当前移动机器人环境建模与定位研究领域中的热点问题，但是关于SLAM是否能够真正实现一直都未有过确定的说法。本文在对状态空间描述下的三种SLAM系统以及纯距离测量SLAM系统的能观性分析的基础上。得出了所分析的这些SLAM系统都不是完全能观的结论，并利用这些结论，对EKF-SLAM算法中出现估计不一致的原因进行了说明。此外，还给出了增加已知路标来实现SLAM的条件。
④动态环境下的SLAM问题是一个更具挑战性的问题.要解决这个问题，首先要选择一个既能够表示出物体位置，又能够表示出物体状态的模型，而混合高斯模型就是这样一个合适的模型。本文给出了一种SLAM问题贝叶斯后验概率分布的分解形式，并在此基础上提出了用混合高斯模型为环境建模，用粒子滤波器为移动机器人定位，在动态环境下解决SLAM问题的方法。