移动机器人的同时定位与地图创建的算法研究.docVIP

移动机器人的同时定位与地图创建的算法研究 　　摘 要：移动机器人的同时定位与地图创建是当前机器人领域研究的基本问题与热点，也是实现智能机器人实现自主导航和控制决策的关键。本文从基于贝叶斯滤波器模型和基于图优化平滑模型两个方面对移动机器人同时定位与地图创建（SLAM）的研究进行了综述，介绍了这两种模型的基本框架以及关键技术，阐述了模型的各种不同实现形式，分析了这些算法的性能，并探讨了这些算法的优缺点以及相关难点的解决思路。最后对基于滤波器模型和基于平滑模型的同时定位与地图创建的未来发展进行展望。 　　关键词：同时定位与地图创建；贝叶斯；滤波器模型；图优化；平滑模型 　　中图分类号：TP 文献标识号：A 文章编号：2095-2163（2015-）02- 　　Research of Simultaneous Location and Mapping of the Mobile Robot 　　Liu Jin1， Wang Fang2 　　（1 Unit 261251， Qinhuangdao Hebei， 066102， China；2 Weather Bureaus of Changdu in Tibet， Changdu Xizang， 854000， China） 　　Abstract： Simultaneous Location and Mapping of the mobile robot are the basic problems and hot pots in the field of robotics，and they are also the key to realize autonomous navigation and control decision. This paper introduces two algorithms：Filter based on Bayes and Smoothing based on graph-based， reviews the basic framework and the key technologies， and elaborates the various forms of achieving. After that， the paper analyzes the performance of these algorithms， and lists the advantages and disadvantages， as well as the way of dealing with difficulties.Finally， the potential future issues and research trends are also explored. 　　Keywords： SLAM； Bayes； Filter； Graph-Based； Smoothing 　　0 引言 　　为了有效地解决移动机器人能够自主完成许多预想的任务，例如运输、搜索、救援、自动吸尘等现实需求，机器人需要一个准确的工作环境地图。地图的准确性可以使所设计的系统在复杂的环境下，仅依赖自身携带的传感器来完成相应的指令，而不需要依赖像GPS等外部参考系统，尤其是在室内环境下GPS还不能使用。地图创建是指建立机器人所处环境的不同物体如障碍物、路标等的准确的空间位置以及特征描述，定位是指移动机器人在其所处的工作环境中根据一些已知特征来确定自身位置的过程。机器人依据已建立的环境地图信息进行自身的定位，同时又根据机器人定位的效果来更新环境地图，这两者相互依赖，将两者结合起来进行研究，称为移动机器人的同时定位与地图创建（Simultaneous Location and Mapping，SLAM），有时也称为并发定位与建图（Concurrent Localization and Mapping，CLM）。SLAM可以使用很多种方法来实现，这些方法整体上可以概括为以下两类：滤波器方法和平滑方法。 　　滤波器方法的主要思想是：运用动态贝叶斯理论，根据前面时刻机器人的位姿、控制输入信息以及观测信息这些已知的先验信息，来估计当前系统状态（机器人当前位姿以及地图特征位置）的后验概率。根据先验概率的不同假设，运用不同的求解方式来计算系统的后验概率，就可以得到不同的基于滤波器的算法。常见的滤波器算法有：卡尔曼滤波器（KF）和扩展卡尔曼滤波器（EKF）[1-2]、粒子滤波器（PF）[3-5]和信息滤波器（IF）[6-7]，滤波器主要强调的是时间以及增量特性，此方法也被称为在线SLAM。 　　相反，平滑方法的主要思想是：根据机器人在运动过程中所有的控制信息和观测信息来优化机器人完整的运