本文關(guān)鍵詞：基于性能分析與優(yōu)化的分布式SLAM算法研究

  更多相關(guān)文章： 分布式SLAM 收斂性 一致性 航向輔助 分布式EKF

【摘要】：同時定位與地圖構(gòu)建技術(shù)(SLAM)是自主移動機器人導(dǎo)航部分的關(guān)鍵環(huán)節(jié),傳統(tǒng)的集中式SLAM算法隨著環(huán)境信息的變化,存在著系統(tǒng)模型動態(tài)變化和狀態(tài)量不斷擴(kuò)維的問題,無法保證SLAM系統(tǒng)的穩(wěn)定性、一致性和實時性。針對集中式結(jié)構(gòu)的問題,分布式SLAM算法根據(jù)每個觀測到的有效特征點建立相應(yīng)的分布式子系統(tǒng),將系統(tǒng)模型的動態(tài)時變和不斷擴(kuò)維問題轉(zhuǎn)變?yōu)榱朔植际阶酉到y(tǒng)的動態(tài)更替問題,從而保證系統(tǒng)的穩(wěn)定性、一致性和實時性。本文以分布式SLAM算法為基本研究內(nèi)容,探索增強分布式SLAM系統(tǒng)實時性、穩(wěn)定性和一致性等的有效途徑,主要完成了以下研究內(nèi)容:首先,從SLAM的基本原理出發(fā),針對觀測信息動態(tài)更替的實際情況建立了分布式SLAM算法的數(shù)學(xué)模型、系統(tǒng)模型,根據(jù)改進(jìn)的模型闡述了分布式的計算方式,并將分布式計算和主流的濾波算法相結(jié)合,總結(jié)適合分布式框架的算法實現(xiàn)流程。最后,對比分析分布式SLAM和傳統(tǒng)SLAM的不同,總結(jié)兩者各自的優(yōu)勢和劣勢。其次,針對SLAM系統(tǒng)實現(xiàn)過程中存在的動態(tài)重構(gòu)問題,提出一種基于空間域劃分的分布式SLAM算法,該算法結(jié)合分布式SLAM結(jié)構(gòu)和粒子濾波的特點,提出了以下的改進(jìn)措施:該算法依據(jù)兩個路標(biāo)點與機器人連線之間的夾角,將整個空間域中的路標(biāo)點進(jìn)行區(qū)域劃分,保證每個子空間域內(nèi)含有兩個不共線的路標(biāo)點,按照每個空間域內(nèi)的路標(biāo)點組合構(gòu)建觀測模型,同時改進(jìn)發(fā)生重構(gòu)時各子濾波器中粒子分布的動態(tài)調(diào)整過程,從而改善了系統(tǒng)在動態(tài)重構(gòu)過程的精度和穩(wěn)定性。最后,通過實際數(shù)據(jù)進(jìn)行相關(guān)仿真試驗證明該算法的可靠性。再次,從EKF-SLAM系統(tǒng)的收斂性、一致性等性能分析出發(fā),探索建立分布式結(jié)構(gòu)的EKF-SLAM系統(tǒng),提出一種基于航向輔助的分布式SLAM算法(DH-EKF)。通過在子系統(tǒng)中引入航向信息,建立了航向輔助的分布式SLAM系統(tǒng)模型,并利用分布式擴(kuò)展卡爾曼濾波(D-EKF)實現(xiàn)最優(yōu)估計。通過對D-EKF-SLAM系統(tǒng)的收斂性和一致性分析,航向的觀測信息可以有效提高分布式SLAM系統(tǒng)的觀測性、收斂性和長期一致性,保證了分布式SLAM系統(tǒng)的有效性和實時性。最后,通過實際的移動平臺,驗證上述算法的精度和性能。最后,在基于航向輔助的分布式SLAM算法的基礎(chǔ)上,針對分布式子濾波器估計精度存在的局限性問題,提出改進(jìn)的分布式EKF方法。利用改進(jìn)的線性化方法提高各子濾波器的估計精度,并考慮到一致性對系統(tǒng)的影響,改進(jìn)分布式系統(tǒng)融合的方案,通過協(xié)方差矩陣子模塊和匹配信息子模塊,充分發(fā)揮分布式結(jié)構(gòu)下觀測信息的作用,保證系統(tǒng)在精度較高或一致性較高的情況下均能合理地做出融合判定。最后,通過實際移動平臺實驗證明,改進(jìn)算法能有效地提高分布式SLAM算法在特殊環(huán)境變化時的穩(wěn)定性和精度。
【學(xué)位授予單位】：北京工業(yè)大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2016
【分類號】：TP242;TP301.6
，

本文編號：1248002