论文部分内容阅读
随着移动机器人应用领域的不断扩展和移动机器人导航定位问题研究不断深入，移动机器人同时定位与地图创建（SLAM）问题逐渐成为移动机器人领域备受关注的热点问题。SLAM技术具有重要的理论意义和应用价值，被很多学者认为是实现机器人真正自主的关键和必要前提。本文以移动机器人在室外未知环境下的SLAM问题为主要研究内容，在传统方法的基础上，提出了一些改进算法，以提高SLAM算法的估计精度、一致性及计算效率，扩展其使用范围。具体的研究内容包括以下几个方面：1、针对强跟踪滤波算法对系统时变噪声缺乏自适应能力，导致系统状态估计精度较低的问题，提出一种可以在线估计噪声协方差阵的快速抑噪自适应强跟踪滤波算法，该算法可以抑制噪声对系统状态估计的影响，使系统状态估计迅速收敛到真实值附近。仿真实验对比了强跟踪滤波算法和在线快速抑噪自适应强跟踪滤波算法在噪声变化环境下的性能，实验表明，在线快速抑噪自适应强跟踪滤波算法具有更高的状态估计精度和自适应性。2、针对三维空间中移动机器人同时定位与地图构建（SLAM）问题，提出了一种基于改进强跟踪滤波（STF）方案的快速自适应SLAM算法，该算法首先对于强跟踪滤波器的噪声协方差阵进行在线自适应估计，可有效抑制噪声对系统状态估计的影响，使系统状态估计迅速收敛到真实值附近；随后将状态协方差矩阵进行奇异值分解，提高算法的数值稳定性。该算法可提高对系统时变的自适应能力以及系统状态估计精度，与基于强跟踪滤波器的SLAM算法的仿真对比结果说明了该算法的有效性及优越性。3、提出自适应的路标提取方法。SLAM的地图建模以及地图匹配以环境中的路标点为基础，为了能更加有效地利用激光传感器数据在室外非结构化环境中提取路标点，提出了一种自适应的实体特征提取方法，引入蛛网结构，将环境中覆盖一定连续范围的物体分离，满足一定条件的作为路标点。