大范围环境中EKF—SLAM问题的改进算法.pdfVIP

第31卷 第11期 计 算 机 仿 真 2014年11月 文章编号：1006—9348(2014)11-0345—04 大范围环境中EKF—SLAM 问题的改进算法 邓 伟 ，梁岚珍 ，浦剑涛 (1．新疆大学电气工程学院，新疆 乌鲁木齐 830047；2．北京联合大学 自动化学院，北京 100101) 摘要：机器人同步定位与地图构建 (SLAM)是指机器人在移动过程中以增量形式创建环境地图并通过所构建地图反复推断 自身位置的过程。为实现上述功能，采用传统的扩展卡尔曼滤波(EKF)最优迭代估计方法 ，在大范围环境条件下，估计误差 累积增大，且不能对已构建的环境地图进行更新。提出一种改进算法 (KLM—EKF算法)，用已知路标的信息对机器人位姿 和协方差矩阵进行修正，并创建辅助系数矩阵修正已构建地图，从而实现路标的全局更新。仿真结果表明，在大范围环境 中，改进后的算法使机器人 自身定位和路标估计误差大幅度降低，并且能够 自主地更新已构建地图，有效提高了定位和构图 精度。 关键词：同步定位与地图构建；扩展卡尔曼滤波；大范围环境；辅助系数矩阵；估计误差 中图分类号：TP242 文献标识码 ：B ImprovedEKF-SLAM Algorithm inLargeEnvironments DENGWei，LIANG Lan—zhen 。PU Jian—tao (1．CollegeofElectricEngineering，XinjiangUniversity，UrumqiXinjiang830047，China； 2．AutomaticCollege，BeijingUnionUniversity，Beijing100101，China) ABSTRACT：RobotSimultaneousLocalizationandMapping(SLAM)istheprocessbywhichamobilerobotcan buildamapofanenvironmentandatthesalnetimethismapcanbeusedtocomputeit’Sownlocation．Extended KalmanFilter(EKF)isanoptimaliterativeestimationmethodinawiderangeofenvironments，however，itsesti- matederroraccumulationincreasesanditiSunabletousethecurrentobservedinformationtoupdatetheenvironmen— talmapwhichhasbeenbuilt．Thispaperproposesanimprovedalgorithm (KLM-EKF)，whichcanupdatethepose ofrobotandcovariancematrixbyusingtheinformationofknownlandmark，whileestbalishallauxiliarycoefficient matrixtoachievethelandmarksglobalupdate．Simulationresultsshow that，inalargeenvironments，theimproved algorithm makestherobotpositioningandlandmarksestimationerrorslash，anditcanupdatethebuiltmapandeffec— tivelyimprovetheaccuracyofpositioningandcomposition． KEYWORDS：Simultaneouslocalizationandmapping(SLAM)；ExtendedKalmanfilter；Largeenvironments；Auxilia