没有合适的资源?快使用搜索试试~ 我知道了~
移动机器人FASTSLAM算法研究.doc
1.该资源内容由用户上传,如若侵权请联系客服进行举报
2.虚拟产品一经售出概不退款(资源遇到问题,请及时私信上传者)
2.虚拟产品一经售出概不退款(资源遇到问题,请及时私信上传者)
版权申诉
5星 · 超过95%的资源 1 下载量 6 浏览量
2022-05-30
17:03:36
上传
评论 2
收藏 1.42MB DOC 举报
温馨提示
试读
38页
移动机器人FASTSLAM算法研究.doc
资源推荐
资源详情
资源评论
本科毕业设计
题
目: 移动机器人 FastSLAM 算法研究
学 院:
专 业:
学 号:
学生姓名:
指导教师:
日 期:
武汉科技大学本科毕业设计
摘 要
移动机器人同时定位与地图创建是实现未知环境下机器人自主导航的关键性技术,
具有广泛的应用前景,也是目前机器人研究的热门课题之一。基于卡尔曼滤波器的
SLAM算法有计算的复杂性以及对数据融合误差非常敏感的缺点,使其不能再实际环境
中得到广泛应用。
为解决传统SLAM算法的缺陷,介绍了一种基于Rao-Blackwellized粒子滤波器的
FastSLAM方法,该方法将SLAM问题分解为对机器人姿态和路标在地图中的位置的递归
算法。每一粒粒子都有对应的地图,再将地图估计分解成N个独立的特征估计,路径估
计采用粒子滤波器,地图估计采用扩展卡尔曼滤波器。
FastSLAM有机地将粒子滤波器与卡尔曼滤波器集成在一起,鲁棒性地解决数据关联
和多目标跟踪问题,其时间消耗与路标的数量成对数关系,计算量小,用时短。
基于Rao-Blackwellized粒子滤波器的FastSLAM算法是一种高效的机器人同步定位和
绘制地图的算法,其具有高效性和准确性,该方法使用提高了机器人地图创建的实时性
增强了避障能力。
关键词: 移动机器人; FastSLAM算法; 路径估计; 地图估计
I
武汉科技大学本科毕业设计
Abstract
M o b i l e r o b o t l o c a l i z a t i o n a n d m a p p i n g t h e k e y t e c h n o l o g i e s o f t h e r o b o t a u t o n o m o u s
n a v i g a t i o n i n u n k n o w n e n v i r o n m e n t, h a s b r o a d a p p l i c a t i o n p r o s p e c t s, i s c u r r e n t l y a h o t
r e s e a r c h t o p i c o f t h e r o b o t. T h e K a l m a n f i l t e r - b a s e d S L A M a l g o r i t h m t o c a l c u l a t e t h e
complexity and the error is very sensitive to the shortcomings of the data fusion, so that it can
not be widely applied in the actual environment.
FastSLAM based on Rao-Blackwellized particle filter SLAM problem is decomposed into
t h e p o s i t i o n o f t h e r o b o t p o s e a n d l a n d m a r k s o n t h e m a p r e c u r s i v e a l g o r i t h m t o s o l v e t h e
d e f e c t s o f t h e t r a d i t i o n a l S L A M a l g o r i t h m. A p a r t i c l e h a s a c o r r e s p o n d i n g m a p, a n d t h e n
map the estimated decomposed into N independent characteristics estimated path estimation
using particle filter, map estimated using extended Kalman filter.
T h e F a s t S L A M o r g a n i c p a r t i c l e f i l t e r a n d K a l m a n f i l t e r i n t e g r a t e d, r o b u s t s o l u t i o n t o
data association and multi-target tracking, the time consumption and the number of landmarks
logarithmic small amount of calculation, with short.
F a s t S L A M a l g o r i t h m s b a s e d o n R a o - B l a c k w e l l i z e d p a r t i c l e f i l t e r i s a n e f f i c i e n t r o b o t
simultaneous localization and mapping algorithm, its efficiency and accuracy, the method to
improve the robot map created real-time, and enhance the ability to obstacle avoidance.
Key words: Mobile robot; The FastSLAM algorithm; The path estimation;
The map estimation
II
武汉科技大学本科毕业设计
目 录
1 绪论.............................................................................................................................................................1
1.1 移动机器人定位和地图创建问题..........................................................................................................2
1.1.1 移动机器人国内外发展状况........................................................................................................2
1.1.2 移动机器人的地图构建问题........................................................................................................3
1.1.3 机器人的定位方法.......................................................................................................................5
2 基于粒子滤波器的SLAM算法..................................................................................................................7
2.1 SLAM的通用框架和理论模型.......................................................................................................7
2.2 粒子滤波器定位的基本原理..........................................................................................................8
2.3 扩展卡尔曼滤波器算法..................................................................................................................9
2.3 粒子重采样....................................................................................................................................10
2.4 移动机器人SLAM问题描述.........................................................................................................10
2.4.1 SLAM计算复杂度..............................................................................................................10
2.4.2 SLAM的联合估计..............................................................................................................11
2.4.3 SLAM的后验估计表示.......................................................................................................11
2.4.4 SLAM公式推导..................................................................................................................13
2.4.5 有效的数据关联.................................................................................................................15
2.4.6 FastSLAM的粒子表示形式................................................................................................16
2.4.7 FastSLAM的计算时间复杂度............................................................................................16
3 模型建立...................................................................................................................................................18
3.1 运动模型........................................................................................................................................18
3.2 观测模型........................................................................................................................................19
4 FastSLAM算法步骤.................................................................................................................................20
4.1 FastSLAM算法步骤.......................................................................................................................20
4.2 新位姿采样....................................................................................................................................21
4.3 环境特征估计的更新....................................................................................................................22
5 算法流程图和代码................................................................................................................................22
5.1 FastSLAM算法伪代码...................................................................................................................22
5.2 FastSLAM算法流程.......................................................................................................................23
6 仿真环境建立和仿真结果.......................................................................................................................25
6.1 仿真环境介绍................................................................................................................................25
6.2 仿真结果........................................................................................................................................25
7 总结和展望...............................................................................................................................................31
参考文献......................................................................................................................................................32
致谢..............................................................................................................................................................34
III
武汉科技大学本科毕业设计
1 绪论
移动机器人的同时定位与地图创建(SLAM)问题有重要的理论与应用价值,被很多
学者认为是实现真正全自主移动机器人的关键。在火灾、地震或者极地考察现场存在
一些潜在危险,可能会对进入人员生命构成危险,就需要移动机器人来代替人进入这
些环境,进行探测地形和检查是否有伤员的工作。民用方面可以用于自主行驶车辆或
者车辆辅助驾驶系统,还有服务机器人,智能机器人,智能玩具等。军用方面可以用
于对敌方控制区侦查和对危险易爆炸物的搜索和拆除。科学方面可以用于外星探索和
采矿等。SLAM 问题研究是实现机器人完全自主以及服务人类的关键,因此,对移动机器
人 SLAM 的研究具有重要的理论意义和应用价值,由于自主移动机器人具有广泛的应用、
巨大的经济利益和深远的科学价值,各国家和科研工作者对其相关技术发展都投入了
大量的研究。在 20 世纪 70 年代末期,法国的系统分析与架构实验室(LAAS)研制了
HILARE 机器人,这是欧洲的第一个移动机器人研究项目,HILARE 安装了视觉传感器、
激光测距仪和超声波传感器等设备,用二维多边形环境模型和全局坐标系统实现导航
和路径规划功能。多年来国内外有大量的科技工作致力于这方面的研究工作,对许多
问题的认识和求解都取得了长足的进步,但是仍然有很多问题需要解决。由于移动机
器人系统运动模型难以精确建模,再加上其他传感器感知误差存在高度不确定性和外
界干扰因素等,从而造成了机器人系统的高度复杂性和不确定性。由于在很多情况下,
环境的信息是部分、甚至是完全未知的,此时必须将定位和地图构建结合起来,使得
移动机器人利用对自身的定位来构建地图,同时利用构建地图来定位,在这一问题中,
移动机器人定位与地图构建是密切相关的,地图创建过程依赖于精确的机器人位姿信
息,任何一方都无法单独实现,必须同时加以考虑,近年来,SLAM 算法越来越受到
人们的重视,针对移动机器人的 SLAM 问题,主要有基于粒子滤波器的 SLAM 方法和
基 于 扩 展 卡 尔 曼 滤 波 以 及 EKF 的 各 种 变 种 SLAM 方 法 。 SLAM(Simultaneous
Localization And Mapping)问题是指把移动机器人放在未知环境中,机器人增量式地创
建未知环境的连续地图,同时确定它在地图中的位置,由于 SLAM 问题的解法使机器
人实现了真正的自主导航,所以在过去几十年中逐渐成为了移动机器人领域的研究热
点。SLAM 一方面为了实现精确定位,机器人需要利用位置相对确定的环境特征不断
校正自身位置,一方面为了确定环境特征的位置,机器人需要了解自身所在的精确位
姿。机器人的定位与地图构建有利于进一步协助运动规划和躲避障碍物,体现机器人
对环境 探测 效率的同 时 又 体 现出对环境 地 图 信息描述 的 精 准 程 度。 SLAM 也称
CML(Concurrent Mapping and Localization),最初于上世界 80 年代早期由 Smith Self 和
Cheeseman 给出了基础概率方法的解决方案
[1]
, SLAM 问题的解决方法大致分为两类:
基于概率估计的方法和非概率估计的方法。基于概率模型的方法占主导地位
[2]
。
1
剩余37页未读,继续阅读
资源评论
- 2301_766994512024-01-06资源很实用,对我启发很大,有很好的参考价值,内容详细。
oligaga
- 粉丝: 50
- 资源: 2万+
下载权益
C知道特权
VIP文章
课程特权
开通VIP
上传资源 快速赚钱
- 我的内容管理 展开
- 我的资源 快来上传第一个资源
- 我的收益 登录查看自己的收益
- 我的积分 登录查看自己的积分
- 我的C币 登录后查看C币余额
- 我的收藏
- 我的下载
- 下载帮助
安全验证
文档复制为VIP权益,开通VIP直接复制
信息提交成功