基于多传感器信息融合的SLAM算法研究.pdf

基于多传感器信息融合的SLAM算法研究

摘要

目前，在机器人的定位导航中，对SLAM的精度要求逐步提升，单一传感器组成

的SLAM系统，由于传感器的局限性，在特定环境下建图效果会有所下降，由多传感

器组成的SLAM系统具有精度好，鲁棒性高，抗干扰能力强等优点，逐步成为现阶段

SLAM工程中常用的实践方法。粒子滤波技术作为SLAM工程中的重要分支，对提高

建图精度有显著作用。

为进一步满足低环境特征下的建图任务，本文结合Gmapping算法，在粒子滤波过

程中，引入萤火虫算法，通过对萤火虫算法的改进优化，设计了IFAG-SLAM算法，满

足了低配置机器人的运行需求。本文的主要研究内容概括如下：

利用轮式里程计，激光雷达，IMU等传感器，搭建四轮麦克纳姆机器人实验平台，

建立该机器人的运动控制模型。基于EKF理论，将轮式里程计数据与IMU数据进行信

息融合。为了验证融合效果，通过对照实验，对比融合里程计和轮式里程计的跟踪精

度，为后端输送精确的里程数据。

基于SLAM后端优化理论，对比分析了图优化和滤波器优化的优化过程和应用场

景，结合实际需求，采用滤波器优化中的粒子滤波作为本文的理论支撑。详细分析了

Gmapping算法的建图过程，通过数据集仿真，分析在实际环境下的建图效果。

介绍了萤火虫算法，通过仿真验证了算法性能，将其引入到Gmapping算法中，利

用萤火虫算法的强收敛性，改善粒子滤波中，粒子集的分布情况。对萤火虫算法进行

优化，改进了萤火虫的移动方式，增加了优化阈值和自适应步长等参数，进而设计出

了IFAG-SLAM算法。

基于Gazebo平台进行仿真，使用绘制工具，建立环境地图和机器人模型，通过

ROS系统，使用机器人模型，在地图中进行仿真，分析萤火虫算法在Gmapping算法中

的应用效果。在61号楼五楼进行实验，选用日字形长廊部分作为实验场地，通过两组

实验，对比分析改进算法和Gmapping算法在实际环境下的建图效果。

关键词：粒子滤波；多传感器融合；同步定位与建图；萤火虫算法；集群智能算法

I

基于多传感器信息融合的SLAM算法研究

Abstract

Inthedomainofrobotpositioningandnavigation,theaccuracyrequirementsof

SimultaneousLocalizationandMapping(SLAM)areconstantlyevolving.WhileaSLAM

systemwithasinglesensormayencounterlimitationsthathindermappingeffectivenessin

certainenvironments,systemsutilizingmultiplesensorsofferbenefitssuchasenhanced

accuracy,robustness,andresistancetointerference.Asaresult,theadoptionofmulti-sensor

SLAMsystemshasbecomeacommonpracticeincontemporarySLAMengineering.Particle

filtertechnology,acriticalelementofSLAMengineering,playsasignificantroleinimproving

mappingaccuracy.

ThisstudyintegratestheGmappingalgorithmwiththefireflyalgorithmwithintheparticle

filteringprocesstoaddressmappingchallenges