论文部分内容阅读
在机器人的自主导航中，机器人自身的准确定位是一项最基本、最重要的功能。在未知环境中，机器人的自主导航是以环境地图为基础的，而环境地图的创建又需要精确的定位，两者相辅相成。本文是围绕基于激光雷达的自主机器人进行自主定位进行的。为了实现真正意义上的自主导航，针对集中式同时定位与制图(SLAM)算法存在的计算量大、鲁棒性差、容错能力低下等问题，为使机器人具有更好的同时定位与地图创建的能力，对基于分布式结构的SLAM算法展开研究。主要工作如下: 1、为实现机器人的自主定位功能，以自主导航为出发点，介绍了SLAM基本问题及其定义，从粒子滤波的基本原理说起，构建了一个完整的，具有一定通用性的粒子滤波器，并对粒子滤波的数学理论和运行过程做了详细的描述。详细论述了集中式结构SLAM的基本原理和模型结构，最后对集中式结构粒子滤波SLAM算法存在的问题进行了深入分析。 2、针对集中式结构存在的问题，本文设计了基于分布式无味边缘粒子滤波（DUMPF）的SLAM算法。该算法将分布式无味粒子滤波与边缘化粒子滤波相结合，对分布式结构SLAM进行数据融合。该算法具有比集中式结构SLAM更小的计算量、更好的容错能力和系统稳定性。通过仿真实验证明，改进的DUMPF算法的定位精度和性能明显优于普通的分布式粒子滤波算法，在长时间运行和处理线性系统时，新算法具有更好的性能，粒子退化问题得到改善，滤波精度得到提高。 3、由于普通的重采样算法需要花费大量的时间进行重采样操作，本文设计了一种分布式重采样的方案，并将其运用于分布式结构SLAM算法当中，通过分布式重采样中的每个处理单元的并行运算，使得重采样得以更快完成，同时运用了残差重采样和分层重采样有效控制了粒子的退化，提高了算法精度。并对具有分布式重采样的DRUPF-SLAM算法的收敛性进行了理论论证，最后的仿真实验证明了分布式重采样的DRUPF-SLAM算法需要更少的运行时间，并具有更好的鲁棒性和精度。 4、针对SLAM系统的不确定性问题，为了提高地图匹配的成功率，本文设计了GPS辅助的分布式结构SLAM算法。首先介绍了信息融合技术的结构和方法，通过对GPS设计加权系数，当有GPS数据并准确时，对SLAM系统融合GPS数据，进一步提高算法的精度。同时给出系统的实现方案，得出了融合GPS数据后系统的状态方程和观测方程，最后通过仿真实验证明了，GPS辅助的SLAM算法具有更好的滤波精度，提高了稳定性和鲁棒性。