基于粒子滤波的移动机器人SLAM算法

针对FastSLAM算法对传感器精度要求较高,不适用于方向性差的超声传感器问题,提出了一种基于超声概率栅格地图环境特征点提取匹配的移动机器人粒子滤波同时定位与地图创建(SLAM)算法.该算法可分解为机器人位姿估计和环境路标估计2个部分.基于蒙特卡罗定位原理利用粒子滤波算法对机器人运动轨迹进行估计;在建立全局超声概率栅格地图的基础上,利用概率栅格地图环境特征提取算法对环境路标坐标进行估计.实验证明,该算法较好地解决了超声测距传感器由于散射角大带来的特征点估计不准的问题,对环境路标和机器人轨迹的估计都比较准确.并对移动机器人累计误差进行了有效的补偿,减少了由于累积误差造成的移动机器人轨迹扭曲失真.     

未知环境下移动机器人的同时定位和地图构建

针对未知室内环境下的自主移动机器人的同时定位和地图构建(SLAM)问题,通过激光测距仪来获取环境信息,采用室内环境直线特征的提取和匹配方法,使移动机器人能够自主定位,解决了里程计传感器在移动中所带来的不确定性误差,同时采用移动栅格法对全局地图更新,提高了系统运行速度.利用Pioneer-3移动机器人平台进行实验,得到了较完整的环境地图.实验结果表明了基于环境特征的移动机器人同时定位和地图构建方法的有效性和实用性.     

未知环境下的移动机器人SLAM方法

基于改进粒子滤波器,提出了一种应用于未知环境下的移动机器人的同步定位与地图创建方法.针对传统粒子滤波器经过多次迭代后粒子退化从而需要大量粒子才能提高定位精度的问题,设计了一种基于人工鱼群算法的粒子滤波算法,该方法主要利用人工鱼群算法对预估粒子进行二次更新,从而调整了粒子的分布使其更加接近真实位姿,提高机器人的SLAM性能.经过Matlab仿真实验,证明了该方法能够准确快速地对机器人定位,并且构建的地图精度也很高.     

基于特征地图的移动机器人EKF-SLAM和FastSLAM算法自主导航研究

对移动机器人未知环境中自主导航和SLAM(即时定位与构图)问题进行讨论。设计了一种构建2D可视化路标特征地图的方案,该方案结合单目视觉传感器和里程计的鲁棒感知模型,建立包含世界坐标系下三维信息的路标数据库,并获得全局环境下特征地图;提出了一种基于Python平台分析移动机器人自主导航鲁棒性的方法,通过在Python平台下引入扩展模块NumPy、PyLab构建仿真平台,对不同噪声环境下EKF-SLAM(扩展卡尔曼滤波器)和FastSLAM算法的导航过程进行了研究。实验显示了构图方案和仿真平台的可行性。     

栅格地图中基于改进粒子滤波的SLAM

针对移动机器人在未知环境中导航时由于机器人本身位置不确定、所处环境不可预知等问题,提出了一种在栅格地图中基于改进粒子滤波的SLAM定位算法.首先利用贝叶斯规则更新环境信息;然后利用改进粒子滤波对机器人进行定位,地图更新和机器人定位交替进行,直到将整个环境探测完毕.仿真结果表明:该算法在SLAM中增强了实时性,比较精确地...     

基于图像拼接的室外环境地面特征地图创建

为获取基于地图匹配的定位算法所要求的环境地图,提出了一种室外环境下基于图像拼接的地面特征地图创建方法.创建过程分为环境探索以及离线地图生成.在环境探索中,手动控制机器人在环境中漫游,实时保存有关的传感器数据,如GPS、里程计以及视频数据.在离线地图生成中,针对传感器误差导致地图不精确的问题,采用了地图分块存储方式以及基于图像拼接的优化算法来提高地图精度.仿真及实验证明了该地图创建方法的有效性.     

基于混合模型的移动机器人同时定位与环境建模

提出一种基于混合地图模型的融合声纳传感器观测信息与里程计信息的同时定位与环境建模(SLAM)方法.该方法用混合模型即栅格地图模型和直线特征地图模型表示环境地图.首先,采用三区域声纳模型以及贝叶斯法则构建栅格地图,并通过在空间和时间上融合不同时刻多个声纳传感器的信息提高地图精度.然后,引入霍夫变换提取直线特征,创建直线特征地图,并通过比较地图中直线段的方向相似性、共线性与交叠性,确定全局与局部地图是否匹配.最后,利用直线特征以及扩展卡尔曼滤波器(EKF),通过状态预测、观测预测、位姿更新3个阶段估计出机器人更新的位姿信息,校正构建的地图模型,从而实现机器人的同时定位与环境地图构建.仿真实验和真实环境实验验证了该算法的可行性与有效性.     

改进粒子滤波器的移动机器人同步定位与地图构建方法

传统的基于粒子滤波器的移动机器人同步定位与地图构建(SLAM)方法往往随着迭代次数的增加会产生粒子退化的问题,提出了一种基于人工鱼群算法与定向重采样思想的改进的粒子滤波器用于移动机器人SLAM问题。方法首先将人工鱼群算法引入到粒子滤波器中,从而使得粒子分布在重采样之前就更加接近真实情况,然后利用定向重采样的方法,使得新产生的粒子更加接近于真实的运动情况,从而提高了机器人的位置估计精度与地图创建精度。仿真实验结果证明了该方法能够得到更多的有效粒子,而且能够提高粒子的多样性,并且提高SLAM性能。     

基于分布式无味边缘粒子滤波的同步定位与地图构建

针对复杂环境下同步定位与地图构建(SLAM)中分布式粒子滤波算法存在计算量大、粒子退化严重的问题,在分布式算法的基础上结合无味粒子滤波和边缘化算法,提出了一种基于分布式无味边缘粒子滤波的算法.该算法依据分布式思想将系统分解为多个仅包含部分状态量的子系统,各子系统均采用无味粒子滤波算法进行状态估计,通过边缘化算法优化无味粒子滤波算法的边缘分布函数,主滤波器融合各子滤波器的数据计算最终结果,克服了滤波精度低、计算复杂度高的问题.最后,通过仿真试验证明改进的分布式边缘粒子滤波算法能够抑制粒子退化现象,具有较好的实时性和滤波精度,是解决SLAM的新的有效方法.     

多假设跟踪的移动机器人SLAM算法

针对基于视觉定位的移动机器人自主定位过程中容易产生多种候选位姿.提出一种基于多假设跟踪的同时定位和地图创建方法.该方法通过提取图像SIFT特征进行视觉量测,修正里程计累计误差,再利用多假设跟踪方法获得当前时刻的最优位姿,实时产生环境的栅格地图,并且随着机器人的位姿变化实时更新.研究结果表明:此算法不仅能够较好地创建环境地图,而且能够有效解决机器人"绑架"问题,提高自主定位精度.