動態(tài)環(huán)境下自主車同時定位與建圖研究.pdf

1、同時定位與建圖(SLAM)作為自主車實現(xiàn)自主導航的關鍵技術，是自主車實現(xiàn)真正自主的必要條件。目前大部分的SLAM解決方案都是基于靜態(tài)環(huán)境的，而自主車所處環(huán)境一般是動態(tài)的，因此研究動態(tài)環(huán)境下自主車SLAM問題具有重要的現(xiàn)實意義。
　　 動態(tài)環(huán)境下自主車SLAM問題主要涉及到三個方面:SLAM實現(xiàn)算法、數(shù)據(jù)關聯(lián)、動態(tài)障礙檢測及處理。本文從這三個方面展開對動態(tài)環(huán)境下自主車SLAM問題的研究，主要工作有:
　　 (1)提出了一種

2、小生境粒子群優(yōu)化的自主車快速同時定位與建圖方法。以經(jīng)典的基于粒子濾波器的FastSLAM方法為基礎，結合小生境技術和粒子群優(yōu)化算法，通過多模尋優(yōu)來增強粒子的多樣性及其尋優(yōu)能力，使得粒子更為靠近自主車真實狀態(tài)，從而改善了粒子濾波器的預估性能，提高了自主車定位和地圖構建精度。實驗結果表明，改進后的FastSLAM方法性能顯著提高，能以較少的粒子達到較高的精度。
　　 (2)提出了一種基于局部地圖的混合數(shù)據(jù)關聯(lián)方法。結合經(jīng)典的ICNN

3、和JCBB數(shù)據(jù)關聯(lián)算法的優(yōu)點，在SLAM數(shù)據(jù)關聯(lián)過程中，首先采用ICNN算法在局部地圖中進行數(shù)據(jù)關聯(lián)，并判斷關聯(lián)結果的正確性，若有錯則采用JCBB算法在錯誤匹配處周圍的局部區(qū)域內(nèi)重新進行數(shù)據(jù)關聯(lián)，以糾正錯誤的關聯(lián)結果。實驗結果證明了該方法具有較強的實時性和精確性。
　　 (3)設計了一種數(shù)據(jù)關聯(lián)過程中消除動態(tài)障礙干擾的有效方法。該方法基于地圖特征的時空差異信息來判定動靜態(tài)障礙，同時采用混合數(shù)據(jù)關聯(lián)算法獲取關聯(lián)假設，根據(jù)關聯(lián)假設中