基于g2o的SLAM后端優(yōu)化算法研究.pdf

1、隨著機器人技術(shù)的不斷發(fā)展，對于移動機器人的研究也越來越多。同步定位和地圖構(gòu)建(Simultaneous Localization and Mapping，SLAM)問題是移動機器人實現(xiàn)真正自主的基礎(chǔ)。目前解決SLAM問題主要有濾波方法和平滑方法，平滑方法也叫做基于圖的SLAM?；趫D的SLAM分為前端和后端兩個部分，前端主要負責(zé)圖的構(gòu)建，后端負責(zé)圖的優(yōu)化。由于前端的位置識別算法會產(chǎn)生出錯誤的閉環(huán)約束，這使得目前存在的后端優(yōu)化算法無法得到

2、正確的優(yōu)化結(jié)果，實現(xiàn)具有魯棒性的后端優(yōu)化算法是目前研究的熱點。
　　本文針對目前典型的后端優(yōu)化算法 SC(Switchable Constraints)、RRR(Realizing，Reversing，Recovering)、 MM(Max-mixture)、 DCS(Dynamic Covariance Scaling)進行了研究。通過標準數(shù)據(jù)集對RRR和MM算法進行測試發(fā)現(xiàn)他們存在對一部分數(shù)據(jù)集失效的缺點，而 SC算法增大了問

3、題規(guī)模，從而使得計算復(fù)雜度增加，DCS算法是在 SC算法的基礎(chǔ)上提出來的，但是對于一些數(shù)據(jù)集該算法失效。本文通過對SC算法的目標函數(shù)進行分析，得到了一個改進的DCS算法（稱為 DCS1算法）。同時，本文對SC算法、RRR算法、MM算法和DCS1算法進行了詳細的分析和比較，并針對這些算法的可控參數(shù)進行了分析。
　　本文詳細介紹了所有的標準數(shù)據(jù)集，并針對這些數(shù)據(jù)集進行了一系列的測試，給出了對比DCS算法的實驗結(jié)果，驗證了DCS1算法的