一种基于增广EKF的移动机器人SLAM方法.pdfVIP

第3l卷第 1期 机 电 工 程 Vo1．31No．1 2014年 1月 JournalofMechanical ElectricalEngineering Jan．2014 DOI：10．3969／j．issn．1001—4551．2014．01．024 ：l： 一 种基于增广 EKF的移动机器人 SLAM 方法 肖 雄 ，李 旦 ，陈锡锻 2，李 刚 2 (1．浙江工业大学 信息工程学院，浙江杭州 310023；2．浙江省信号处理重点实验室，浙江 杭州310023) 摘要 ：针对移动机器人同步定位与地图构建(SLAM)过程中系统测程法误差累积问题 ，采用测程法误差模型和车轮速度误差模型的 映像关系，结合增广扩展卡尔曼滤波(AEKF)算法结构和实际机器人模型，提出了一种有效提高定位精度的SLAM方法。将机器人 速度校正参数附加到卡尔曼滤波算法的向量空间中，以形成增广状态空间，同时预测和更新了SLAM初始状态空间和速度校正参 数，笔者在线实时修正机器人的速度和航向角，避免积累航向角误差，从而降低了测程法误差。基于均方根误差和归一化估计方差 进行了仿真实验分析，研究结果表明：与EKF—SLAM相比，所提出的方法具有更好的估计性能，使算法保持良好的一致性，大幅度提 高了机器人 自身定位精度和路标估计准确度。 关键词：增广扩展卡尔曼滤波；同步定位与地图构建；测程法误差；均方根误差；归一化误差 中图分类号：TP242 文献标志码 ：A 文章编号：1001—4551(2014)01—0109—05 SLAM methodbasedonaugmentedEKFformobilerobot XIAO Xiong ，LIDan ，CHEN Xi．duan ，LIGang (1．CollegeofInformationEngineering，ZhejiangUniversityofTechnology，Hangzhou310023，China； 2．ZhejiangKeyLaboratoryforSignalProcessing，Hangzhou310023，China) Abstract：Aimingattheproblem thattheaccumulationofsystematicodometryerrorintheprocessofsimultaneouslocalizationandmapping (SLAM)，byadoptingtherelationshipoftheodometryerrormodelmappedtovelocityerrormodelofeachwheelandcombiningaugmented extendedKalmanfilter(AEKF)algorithmstructurenadconsideringrealityrobotmodel，oneSLAMmethodefficientlyimprovingtheprecision oflocalizationwasproposed．ThesystematicvelocitycalibrationparameterswereappendedtothestatevectorofEKF-SLAM algorithm becom- inganaumg entedstate，nadthentheseparametersandtheSLAM initialvectorwerepredictednadupdated．ThroughrevisingtherobotSve— locityandorientationonline，theorientationerrorandodometryerrorweredecreased．Therootmeansquarederror(RMSE)andnormalized estimationerrorsquared(NEES