基于貝葉斯濾波器的移動機器人同時定位與地圖創(chuàng)建算法研究.pdf

1、隨著人工智能技術(shù)的不斷發(fā)展，移動機器人在制造工業(yè)、國防軍事、航天航空、衛(wèi)生醫(yī)療、家庭服務(wù)等領(lǐng)域中得到了廣泛的應(yīng)用。移動機器人的同時定位與地圖創(chuàng)建是目前機器人學的熱點研究課題之一，它是移動機器人實現(xiàn)真正意義上的自主化和智能化的關(guān)鍵前提。由于移動機器人的實際作業(yè)環(huán)境中存在各種不確定干擾因素，其測量系統(tǒng)的噪聲往往具有非高斯重尾分布或者參數(shù)先驗信息未知等特性。在這些復(fù)雜未知環(huán)境下，傳統(tǒng)的基于貝葉斯濾波估計技術(shù)的同時定位與地圖創(chuàng)建算法性能受到了嚴

2、重影響，其定位精度、地圖準確性和計算效率無法滿足實際應(yīng)用的需求。為了提高傳統(tǒng)算法在復(fù)雜未知環(huán)境下的估計性能，本文分別對基于高斯濾波器、粒子濾波器和概率假設(shè)密度濾波器的同時定位與地圖創(chuàng)建算法進行了改進研究，具體內(nèi)容包括:
　　(1)從貝葉斯濾波估計角度出發(fā)，分別對基于高斯濾波器、粒子濾波器和概率假設(shè)密度濾波器的同時定位與地圖創(chuàng)建算法進行了分析總結(jié)，為后續(xù)改進相應(yīng)算法的研究工作提供了理論基礎(chǔ)。
　　(2)對測量系統(tǒng)噪聲為非高斯重

3、尾分布時的同時定位與地圖創(chuàng)建算法進行了研究，提出了一種基于統(tǒng)計線性回歸魯棒優(yōu)化的同時定位與地圖創(chuàng)建算法。首先，基于平方根容積卡爾曼濾波器對聯(lián)合狀態(tài)向量進行預(yù)測估計。然后，將狀態(tài)的測量更新方程轉(zhuǎn)換成等價的統(tǒng)計線性回歸形式，并利用廣義最大似然估計法計算當前測量殘差向量對應(yīng)的增益權(quán)值矩陣。最后，通過迭代重加權(quán)最小平方法對聯(lián)合狀態(tài)的后驗均值和協(xié)方差平方根因子進行估計。
　　(3)對FastSLAM算法中采樣粒子質(zhì)量差和計算效率低的問題進行

4、了研究，提出了一種改進粒子提議分布估計及粒子重采樣方法的UFastSLAM算法。首先，將控制噪聲和測量噪聲同時增廣至機器人位姿狀態(tài)向量中，并采用平方根轉(zhuǎn)換無味卡爾曼濾波器對最優(yōu)粒子提議分布進行估計。然后，根據(jù)該粒子提議分布對機器人位姿狀態(tài)進行采樣和特征地圖的狀態(tài)更新。最后，在粒子重采樣階段，采用基于KL散度的自適應(yīng)粒子重采樣方法確定當前時刻所需的粒子個數(shù)。
　　(4)對環(huán)境中同時存在雜波干擾和未知測量噪聲方差的同時定位與地圖創(chuàng)建算