一种基于观测范围约束的改进EKF-SLAM算法.pdfVIP

第 42卷第 5期 浙 江 工 业 大 学 学 报 Vo1．42No．5 2014年 10月 JOURNALOFZHEJIANG UNIVERSITYOFTECHNOLOGY 0ct．2014 一 种基于观测范围约束的改进 EKF—SLAM算法 俞 立 ，唐俊淮，陈军统 (浙江工业大学 信息工程学院，浙江 杭州 310023) 摘要 ：针对EKF—SIAM算法在大规模复杂环境下存在的计算量大、运行效率低和定位精度不高等 问题 ，采用对传感器观测范围添加约束条件的方法对该算法进行 了改进．设定最大观测距 离，将移 动机器人对环境地 图的观测范围予以限定．通过判 断由移动机器人的传感器获取 的观测值 与最大 观测距离之间的大小关系，将系统状态向量 中已观测且超 出最大约束范围的路标进行删除，使系统 状态向量的维数不会随着观测路标的增加而不断加大，从而降低 了算法计算量并提高了算法运行 效率和定位精度．通过仿真验证 了所提方法对提高算法运行效率和定位精度的有效性． 关键词：同时定位与地图构建；EKF—SLAM 算法；移动机器人 ；定位 中图分类号：TP273 文献标志码 ：A 文章编号 ：1006-4303(2014)05—0566—06 An improvedEKF-SLAM algorithm basde on constrainde observationrange YU Li，TANG Jun—huai，CHEN Jun—tong (CollegeofInformationEngineering，ZhejiangUniversityofTechnology，Hangzhou310023，China) Abstract：Fortheproblem ofhigh computational，low efficiency and low localization accuracy aboutEKF—SIAM algorithm inLargescaleandcomplicatedenvironment，animprovedmethodby adding constraints to EKF—SLAM algorithm was presented． By setting the constraints，the observedenvironmentscaleformobilerobotwasconstrained．Deletingthelandmarkswhichhad observedbutbeyondtheconstrainedscalebyjudgetherelationshipbetweentheobservationand maximum distance，thenthedimensionofsystem statevectorwillnotincreasewiththeincreasing ofobserved landmarks．Simulation resultsdemonstratethattheproposedmethod couldreduce thecomputationalandimproveefficiencyand1ocalizationaccuracy． Keywords：simultaneouslocalization and mapping(SLAM )；EKF—SLAM algorithm ；mobile robot；localization 具备可靠的定位功能是移动机器人实现全 自主 eseman最初提 出 ]．同时定位与地 图构建 问题可以 的必备条件．移动机器人 的 自主定位和地 图构建问 描述为移动机器人在一个完全未知 的环境 中，从未 题一直是机器人领域 的研究热点．已知环境地 图的 知位置开始递增式 的移动，在移动过程 中机器人通 机器人定位和已知