SLAM后端优化算法的研究.docxVIP

SLAM后端优化算法的研究 　　摘要：随着虚拟现实和自动驾驶的飞速发展，同时定位与地图创建（slam）是近几年研究的热点，也是各领域实现智能化的关键。本文针对slam后端优化的两种主要方法一基于滤波理论优化和基于非线性优化（图优化）展开综述。首先，介绍了基于线性优化的卡尔曼滤波器（kf）、粒子滤波器（pf），并详细分析了不同滤波器模型的具体实现、性能、优缺点;其次，阐述了基于图优化算法的整体框架、关键技术，着重介绍了在欧式空间以及流形空间优化算法;最后对slam后端优化算法的未来发展进行了展望。 　　关键词：同时定位与地图创建;滤波器模型;图优化;流形空间 　　0引言 　　智能主体能够在未知环境中自主地完成一些功能，例如自动驾驶、扫地机器人、灾后救援等，需要不断对周围环境进行探测并创建环境地图，对自身定位进行路径规划，避开障碍物准确到达目的。这些任务要求智能主体既要明白自身狀态（即位置），也需要了解外在环境（即地图）。研究者把这类问题称为同时定位与地图创建（simultaneouslocationandmapping.slam），定位是指在室内环境下，gps或bd模块接收不到卫星信号，无法获取经纬度等位置相关信息时，智能主体则通过环境中特征（如路标或障碍物）来对自身的位姿进行估计：地图创建是指将未知环境中所有物体的相关位置等信息提取出来，即对环境进行