学位论文 > 优秀研究生学位论文题录展示

移动机器人同时定位与地图创建自适应算法研究

作　者: 张文玲
导　师: 陈宗海
学　校: 中国科学技术大学
专　业: 模式识别与智能系统
关键词: 同时定位与地图创建 系统建模 扩展卡尔曼滤波 无迹卡尔曼滤波 粒子滤波 强跟踪滤波器 自适应算法
分类号: TP242
类　型: 硕士论文
年　份: 2009年
下　载: 250次
引　用: 3次
阅　读: 论文下载
 

内容摘要


移动机器人导航是机器人研究领域的重要课题。在导航技术中,自定位是机器人应当具备的基本功能,但是定位问题离不开环境地图的创建。如果把机器人的自主定位和地图创建作为一个问题来解决,就为实现真正的自我导航提供了良好的前提条件,即同时定位和地图创建(Simultaneous Localization and Mapping)问题,简称SLAM问题。SLAM问题的解决是过去十几年机器人领域最显著的成绩之一,已被应用在室外、水下和陆地等不同领域。面对真实世界的复杂性和动态特点,为了提高移动机器人的智能性,高适应性、高鲁棒性、高效率的SLAM方法是机器人领域的研究热点。本文对移动机器人的同时定位与地图创建问题进行了研究。针对传统SLAM方法存在的问题,以鲁棒性和自适应能力为着眼点,以提高移动机器人在未知环境下自主导航的能力为目标,设计了一种基于强跟踪滤波器(STF)的自适应UKF-SLAM算法。论文的主要工作及贡献包括:1.对移动机器人导航系统进行了建模。所建立的模型主要包括环境地图模型、机器人位置和运动模型、传感器观测模型,噪声模型等。这些基本模型是SLAM问题的研究的平台基础。2.对传统SLAM方法进行了分析。分析表明,扩展卡尔曼滤波算法(EKF)是传统的非线性系统线性化方法,可以用于解决同时定位与地图创建问题;粒子滤波算法(PF)具有状态估计精确度高的优点,不过需要随机产生大量粒子,需要在导航的实时性上加以改进;无迹卡尔曼滤波算法(UKF)利用确定性采样点来近似状态向量的概率分布,可以避免粒子退化问题。3.针对上述几种SLAM算法存在鲁棒性和自适应性差的缺点,提出了基于强跟踪滤波器(STF)的自适应UKF-SLAM算法。针对STF具有极强的模型失配的鲁棒性,且具有概念清晰、计算简单的优点,本文通过融合UKF和强跟踪滤波器来优化SLAM算法,获得UKF-SLAM算法,该算法中的每个Sigma点均进行STF更新,通过STF在线调节因子来相应调节滤波增益,达到提高自适应SLAM算法的自适应调整能力和鲁棒性的目的。本文最后一章对全文进行总结,并且对同时定位与地图创建的研究前景进行了展望。

全文目录


摘要  4-5
ABSTRACT  5-9
第一章 绪论  9-21
  1.1 引言  9
  1.2 自主移动机器人综述  9-11
    1.2.1 自主移动机器人研究意义  9-10
    1.2.2 机器人导航的研究内容  10-11
    1.2.3 移动机器人导航技术发展趋势  11
  1.3 移动机器人同时定位与地图创建综述  11-19
    1.3.1 SLAM 问题涉及的理论和技术  12-14
    1.3.2 SLAM 的实现方法  14-16
    1.3.3 SLAM 方法存在的问题及解决方案  16-19
    1.3.4 SLAM 前景展望  19
  1.4 本文主要内容  19-21
第二章 移动机器人系统建模  21-26
  2.1 坐标系统模型  21
  2.2 环境模型  21-22
  2.3 机器人模型  22
    2.3.1 机器人车体模型  22
    2.3.2 机器人运动模型  22
  2.4 运动控制模型  22-23
  2.5 传感器观测模型  23-24
  2.6 环境噪声模型和传感器噪声模型  24
  2.7 环境特征模型  24-25
  2.8 本章小结  25-26
第三章 同时定位与地图创建算法  26-39
  3.1 SLAM 问题描述  26-28
  3.2 扩展卡尔曼滤波算法  28-31
    3.2.1 卡尔曼滤波算法  28-29
    3.2.2 扩展卡尔曼滤波 SLAM 算法  29-30
    3.2.3 EKF-SLAM 算法存在的问题  30-31
  3.3 粒子滤波算法  31-35
    3.3.1 标准的粒子滤波算法  31-33
    3.3.2 粒子滤波器的优缺点  33
    3.3.3 Fast-SLAM 算法  33-35
  3.4 无迹卡尔曼滤波SLAM 算法  35-38
    3.4.1 UT 变换  35-36
    3.4.2 UKF-SLAM 算法  36-38
  3.5 本章小结  38-39
第四章 强跟踪UKF 的自适应SLAM 算法  39-43
  4.1 强跟踪滤波器  39-40
    4.1.1 强跟踪滤波器的引入  39
    4.1.2 强跟踪滤波器原理  39
    4.1.3 带次优渐消因子的滤波器  39-40
  4.2 强跟踪自适应UKF-SLAM 算法  40-42
  4.3 本章小结  42-43
第五章 仿真实验与结果分析  43-49
  5.1 实验建模和实验设置  43-45
    5.1.1 实验建模  43-44
    5.1.2 实验环境  44-45
  5.2 实验分析  45-47
  5.3 本章小结  47-49
第六章 结论与展望  49-51
  6.1 本文工作总结  49-51
参考文献  51-57
致谢  57-58
在读期间发表的学术论文与取得的研究成果  58

相似论文

  1. 基于陀螺和星敏感器的卫星姿态确定研究,V448.2
  2. 基于多Agent理论的卫星协同定轨技术研究,V474
  3. 基于VRPF的机动目标跟踪的研究,TN957.52
  4. 图像分割中阴影去除算法的研究,TP391.41
  5. 有标记点的人体三维运动数据获取方法的研究,TP391.41
  6. 基于粒子滤波的自主机器人视觉目标跟踪研究,TP242
  7. 空间红外目标仿真与跟踪技术研究,TP391.41
  8. 复杂场景中运动目标的检测与跟踪,TP391.41
  9. 无线传感器网络的目标跟踪算法研究,TN929.5
  10. 基于鱼眼相机的运动物体检测和跟踪,TP391.41
  11. 基于无线传感器网络的目标定位跟踪研究,TN929.5
  12. 流程工业数据校正方法的研究,TP274
  13. IEEE802.11速率自适应算法的实现与性能分析,TN929.5
  14. 基于HTTP流化的流媒体自适应传输策略研究及实现,TN919.8
  15. 基于图像信息的运动目标检测与跟踪算法研究,TP391.41
  16. 融合视觉与惯性导航的机器人自主定位,TP242
  17. 数字系统微弱泄漏电磁波信号检测的随机共振法研究,TN911.23
  18. 无线传感器网络定位及目标跟踪的研究,TN929.5
  19. 自主水下航行器组合导航算法研究与系统实现,U666.1
  20. 粒子滤波算法的硬件优化设计,TN713
  21. 面向室内环境的WSN跟踪关键技术研究,TN929.5

中图分类: > 工业技术 > 自动化技术、计算机技术 > 自动化技术及设备 > 机器人技术 > 机器人
© 2012 www.xueweilunwen.com