【matlab代做】基于SLAM的移动机器人导航算法研究.doc

第3章 同时定位与制图（SLAM）算法 3.1 同时定位与制图算法介绍 移动机器人的定位和地图创建是机器人领域的热点研究问题，也是导航中重要环节。 对于已知环境中的机器人自主定位和已知机器人位置的地图创建已经有了一些实用的解决方法。 然而在很多环境中机器人不能利用全局定位系统进行定位,而且事先获取机器人工作环境的地图很困难，甚至是不可能的。这时机器人需要在自身位置不确定的条件下，在完全未知环境中，创建地图同时利用该地图进行自主定位和导航。 这就是移动机器人的同时定位与地图创建(SLAM) 问题，也称为CML (Concurrent Mapping and Localization) 。该研究领域的代表人物有Smith，Self 和Cheeseman [23] 。由于SLAM算法具有重要的理论与应用价值，被很多学者认为是实现真正全自主移动机器人的关键。近几年来，其研究取得了很大的进展，并已应用于各种不同的环境，如： 室内环境[24 ][25] 、水下[26 ][27] 以及室外环境[28 ][29]。 3.1.1 SLAM算法性质 SLAM算法有很多重要的属性，影响着地图特征和机器人位置估计中的不确定性。包括：状态估计的收敛性，估计过程的一致性，状态协方差矩阵更新的计算复杂度[23]。 收敛性：SLAM算法具有三个重要的收敛性，这三个关键的收敛结果是：A.地图协方差矩阵的任意子矩阵