基于概率的移动机器人SLAM算法框架.pdfVIP

第 36卷 第2期 计 算 机 工 程 2010年 1月 Vo1．36 No．2 ComputerEngineering January2010 · 1尊士论文 · 文章编号：10oo--3428(201o)o2--0031—02 文献标识码：A 中图分类每 基于概率的移动机器人 SLAM 算法框架 石杏喜1,2 赵春霞 (1．南京理工大学理学院，南京 210094；2．南京理工大学计算机学院，南京 210094) 摘 要：在移动机器人同时定位与地图创建(SLAM)过程中，机器人本身位置不确定，其所处环境也不可预知，针对这些不确定性因素， 应用贝叶斯规则作为理论基础，建立移动机器人 SLAM 算法的概率表示模型，通过扩展卡尔曼滤波器实现 SLAM 算法，并介绍一种激光 雷达数据与特征地图的数据关联方法。实验结果表明，该方法为实现SLAM算法提供了一种有效可靠的途径。 关健词：机器人；概率论；同时定位与地图创建；扩展卡尔曼滤波器 SLAM Algorithm FrameworkofM obileRobot BasedonProbability SHIXing．xi，一．ZHAO Chun．xia (1．CollegeofSciences，NanjingUniversityofScienceandTechnology，Nanjing210094； 2．CollegeofComputer,NanjingUniversityofScienceandTechnology，Nanjing210094) [Abstract]DuringthemobilerobotSimultaneousLocalizationAndMapping(SLAM)，thelocationisunknownandtheenvironmentroundisalso unpredictable．Aimingattheseuncertainfactors，theBayesruleisasatheory foundation，theprobabilitymodelofthemobilerobotSLAM is founded，therealizationprocessoftheSLAM byExtendedKalmanFilter(EKF)isdiscussed．Adataassociationmethodbetweenthelaserradarand htefeaturemapisintroduced．Experimentalresultsshow thismethodiseffectiveandreliabletorealizeSLAM ． [Keywords!robot；probabilityhteory；SimultaneousLocalizationAndMapping(SLAM)；ExtendedKalmanFilter(EKF) 1 概述 验 概 率 p( l，M ／ul：k-I~ZI~-1,Xo) 到 先 验 概 率 移动机器人需要在 自身位置不确定的条件下，在未知环 p(：，M ／ul女Z¨， )的推导： 境中创建地图，同时利用地图进行 自主定位和导航，即移动 ( ，M ／ul：女，zll， )= 机器人的同时定位和地图创建(SimultaneousLocalizationAnd 』p( ／u， 一1)×p( M ／u从_lZl-l， )(一l r1、 Mapping，SLAM)，SLAM可以描述为一个 “鸡生蛋，蛋生鸡” p(X ／u， )是机器人的运动模型，是在已