基于環(huán)境特征的SLAM算法分析與比較.pdf

1、機器人技術(shù)的迅速發(fā)展給人類的生產(chǎn)和生活帶來極大的方便，尤其在一些太空探測、深海探險等高危環(huán)境中，機器人能夠代替人類完成一些人類難以完成的工作，為人類自身安全帶來一定保障。其中機器人的同步定位與地圖構(gòu)建(SLAM)技術(shù)成為當前人工智能領(lǐng)域研究的熱點內(nèi)容。機器人SLAM算法研究是該領(lǐng)域較為重要的內(nèi)容。主要對機器人的SLAM算法在不同環(huán)境下的適應能力進行比較。以實驗仿真數(shù)據(jù)為依據(jù)，對當前普遍存在的三種機器人算法在Matlab軟件中進行仿真對比

2、分析。
　　根據(jù)機器人行走過程中所處環(huán)境的不同，將機器人的特征環(huán)境分為常見的四類:相對小規(guī)模環(huán)境、相對大規(guī)模環(huán)境、增強噪聲環(huán)境和稀疏特征環(huán)境，在這四種環(huán)境下首先對EKF-SLAM算法和由EKF-SLAM算法改進出來的UKF-SLAM算法進行比較分析，分析結(jié)果表明:UKF-SLAM算法相對于EKF-SLAM算法在相對小規(guī)模環(huán)境、相對大規(guī)模環(huán)境、增強噪聲環(huán)境三種環(huán)境特征中具有較好的時間復雜性和魯棒性。而在稀疏特征環(huán)境下，UKF-SLA

3、M算法由于其sigma點采樣過程中需要的路標驟減。使得UKF-SLAM算法的采樣精度不準確，并且誤差不斷疊加。從而導致了此算法在稀疏特征環(huán)境中效果較差。
　　在四種典型的特征環(huán)境中將性能較好的UKF-SLAM算法與FastSLAM算法仿真對比。仿真結(jié)果表明，在相對大環(huán)境和強噪聲環(huán)境中，F(xiàn)astSLAM算法簡單的將線性變?yōu)榉蔷€性處理從某種程度上降低了實驗偏差，具有較好的估計性能，同時時間復雜性低。與FastSLAM算法相比，UKF-

4、SLAM算法要進行UT變換，UKF-SLAM的計算復雜度隨之變大。在小規(guī)模環(huán)境中，F(xiàn)astSLAM的優(yōu)越性并不明顯。稀疏特征環(huán)境中需要采用綜合評價指標進一步評定。
　　在FastSLAM基礎上，針對FastSLAM算法的定位過程中采用卡爾曼濾波的預測-觀測-更新過程進行改進。將粒子濾波過程保持不變，對定位過程采用UT變換的方法，從某種程度上sigma點的采樣過程降低了系統(tǒng)誤差。
　　由于在稀疏特征環(huán)境中，三種算法的優(yōu)劣性并不