本文選題：自主導(dǎo)航　切入點(diǎn)：同時定位與構(gòu)圖　出處：《國防科學(xué)技術(shù)大學(xué)》2015年博士論文　論文類型：學(xué)位論文

【摘要】：同時定位與構(gòu)圖(SLAM)是指在沒有任何先驗(yàn)信息的前提下,移動平臺利用自身傳感器觀測信息實(shí)現(xiàn)定位的同時完成環(huán)境地圖的構(gòu)建,被認(rèn)為是實(shí)現(xiàn)真正完全自主導(dǎo)航的重要手段,已成為智能機(jī)器人和無人機(jī)等領(lǐng)域的研究熱點(diǎn)之一。由于沒有外界輔助信息,相對于經(jīng)典導(dǎo)航系統(tǒng),SLAM在理論與工程實(shí)現(xiàn)中面臨更多問題和挑戰(zhàn)。SLAM的概率形式從理論上揭示了其技術(shù)內(nèi)涵和實(shí)現(xiàn)方式,并導(dǎo)出了SLAM兩種不同的求解形式:濾波和優(yōu)化。雖然多種方法相繼被應(yīng)用于SLAM問題的求解,然而計(jì)算復(fù)雜性、估計(jì)不一致性、魯棒性和非歐幾里德參數(shù)化仍是SLAM應(yīng)用中較為突出的問題,對其實(shí)時性、可靠性和準(zhǔn)確性有著直接影響。本文針對上述問題對SLAM相關(guān)關(guān)鍵技術(shù)展開深入研究。建立了SLAM問題求解的濾波模型和圖論優(yōu)化模型。根據(jù)馬爾科夫假設(shè),推導(dǎo)了SLAM問題的貝葉斯濾波形式。將一般性SLAM問題分解為非線性的運(yùn)動更新和測量更新,建立了SLAM問題求解的擴(kuò)展卡爾曼濾波(EKF)模型。針對不同應(yīng)用環(huán)境,分別建立地面車輛和無人機(jī)應(yīng)用系統(tǒng)模型,仿真驗(yàn)證SLAM在2D和3D環(huán)境中可行性。利用圖論描述SLAM問題,將狀態(tài)估計(jì)轉(zhuǎn)化為圖結(jié)構(gòu)優(yōu)化,建立了圖論SLAM問題數(shù)學(xué)模型�；贕auss-Newton方法,給出問題求解具體形式。研究了面向SLAM的壓縮無跡卡爾曼濾波(UKF)方法�；谌蓸雍筒糠植蓸覷KF一致性的證明,建立了基于部分采樣的UKF-SLAM問題求解模型,并推導(dǎo)了UKF的等效雅克比矩陣計(jì)算形式。結(jié)合壓縮濾波思想,提出了基于壓縮UKF的SLAM問題求解方法,進(jìn)一步提高了UKF在SLAM問題求解中的計(jì)算效率。通過仿真實(shí)驗(yàn)和地面跑車實(shí)驗(yàn)數(shù)據(jù)處理分析,結(jié)果證明了非線性濾波方法UKF在SLAM問題中實(shí)時應(yīng)用的可行性。研究了魯棒線性SLAM優(yōu)化方法。闡述了基于廣義最小二乘法的L-SLAM一般性數(shù)學(xué)描述形式,利用逆函數(shù)理論避免非線性坐標(biāo)變換中雅克比矩陣求逆問題。提出了延遲最優(yōu)化策略,解決子圖聯(lián)合過程中信息不足時野值探測問題。引入期望最大值方法實(shí)現(xiàn)野值探測。分析了野值延遲剔除對子圖聯(lián)合結(jié)果間的影響,進(jìn)而提出Schur補(bǔ)方法實(shí)現(xiàn)野值信息的完全剔除。仿真結(jié)果證明了魯棒線性SLAM優(yōu)化方法對不同類型野值的魯棒性,利用包含野值的真實(shí)實(shí)驗(yàn)數(shù)據(jù)驗(yàn)證算法實(shí)際環(huán)境適用性。研究了基于單位對偶四元數(shù)的圖論SLAM優(yōu)化方法。依據(jù)對偶四元數(shù)乘法特性,建立了基于單位對偶四元數(shù)的測量誤差函數(shù)模型,實(shí)現(xiàn)測量誤差函數(shù)對相關(guān)節(jié)點(diǎn)的雙線性形式和雅克比矩陣計(jì)算的簡化;推導(dǎo)了基于單位對偶四元數(shù)的誤差函數(shù)Gauss-Newton求解模型;探索了在不同噪聲水平下,基于四元數(shù)和軸-角的擾動過參數(shù)化方法對優(yōu)化結(jié)果影響;實(shí)驗(yàn)結(jié)果驗(yàn)證了算法計(jì)算效率,并表明大噪聲情況下軸-角過參數(shù)化方法具有更好的數(shù)值穩(wěn)定性。
[Abstract]:Simultaneous location and composition (slam) means that, without any prior information, the mobile platform uses its sensor observation information to locate and complete the construction of the environmental map, which is considered to be an important means to realize the truly autonomous navigation. It has become one of the research hotspots in the fields of intelligent robots and unmanned aerial vehicles. Compared with the classical navigation system, slam faces more problems and challenges in theory and engineering implementation. The probability form of SLAM reveals its technical connotation and realization mode theoretically. Two different solutions for SLAM are derived: filtering and optimization. Although many methods have been applied to the SLAM problem successively, the computational complexity and estimation are inconsistent. Robustness and non-Euclidean parameterization are still outstanding problems in SLAM applications. The reliability and accuracy have a direct effect. In this paper, the key technologies related to SLAM are studied deeply, and the filtering model and graph theory optimization model for solving SLAM problem are established. The Bayesian filtering form of the SLAM problem is derived. The general SLAM problem is decomposed into nonlinear motion updating and measurement updating, and the extended Kalman filter (EKF) model for solving the SLAM problem is established. The application system models of ground vehicle and UAV are established, and the feasibility of SLAM in 2D and 3D environments is verified by simulation. The SLAM problem is described by graph theory, and the state estimation is transformed into graph structure optimization. The mathematical model of graph theory SLAM problem is established. Based on the Gauss-Newton method, the concrete form of solving the problem is given. The SLAM oriented compressed unscented Kalman filter (UKF) method is studied. Based on the proof of the consistency of full sampling and partial sampling UKF, The UKF-SLAM problem solving model based on partial sampling is established, and the equivalent Jacobian matrix calculation form of UKF is deduced. Combined with the idea of compression filtering, a SLAM problem solving method based on compressed UKF is proposed. The computational efficiency of UKF in solving SLAM problem is further improved. The data processing and analysis of simulation experiment and ground sports car experiment are carried out. The results show that the nonlinear filtering method UKF can be applied to the SLAM problem in real time. The robust linear SLAM optimization method is studied. The general mathematical description of L-SLAM based on the generalized least square method is presented. The inverse function theory is used to avoid the Jacobian matrix inverse problem in nonlinear coordinate transformation. In order to solve the problem of outliers detection in the process of subgraph association with insufficient information, the expected maximum value method is introduced to detect outliers. The influence of outlier delay elimination on the joint results of subgraphs is analyzed. Furthermore, the Schur complement method is proposed to eliminate outliers completely. The simulation results show that the robust linear SLAM optimization method is robust to different types of outliers. Using real experimental data including outliers to verify the applicability of the algorithm, a graph theory SLAM optimization method based on unit dual quaternion is studied. The measurement error function model based on the unit dual quaternion is established to realize the bilinear form of the measurement error function to the correlation node and the simplified calculation of the Jacobian matrix, and the Gauss-Newton solution model of the error function based on the unit dual quaternion is derived. Under different noise levels, the influence of perturbation overparameterization method based on quaternion and axis-angle on the optimization results is explored, and the computational efficiency of the algorithm is verified by the experimental results. It is shown that the axial-angle overparameterization method has better numerical stability in the case of large noise.
【學(xué)位授予單位】：國防科學(xué)技術(shù)大學(xué)
【學(xué)位級別】：博士
【學(xué)位授予年份】：2015
【分類號】：TN713;O157.5

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 焦曉宇;馬小平;唐羽;;對SLAM算法的研究[J];科技信息;2012年07期

2 夏菁;李佳;姜代勛;陳武;;犬SLAM受體mRNA熒光定量PCR檢測方法的建立和初步應(yīng)用[J];中國比較醫(yī)學(xué)雜志;2013年06期

3 李麗麗;宋志章;;機(jī)器人SLAM算法失真模糊性消除優(yōu)化方法研究[J];科技通報;2014年02期

4 陳東岳;張立明;;SLAM問題中的模糊幾何地圖與頂點(diǎn)自定位法[J];控制理論與應(yīng)用;2006年05期

5 徐斌斌;石守東;王小波;;基于擴(kuò)展信息濾波的多機(jī)器人SLAM研究[J];寧波大學(xué)學(xué)報(理工版);2011年01期

6 ;300MHZ scanning laser acoustic microscope[J];Chinese Journal of Acoustics;1993年03期

7 蒙學(xué)蓮;竇永喜;駱學(xué)農(nóng);才學(xué)鵬;;小反芻獸疫病毒受體SLAM基因的克隆及其結(jié)構(gòu)與功能分析[J];中國獸醫(yī)學(xué)報;2014年09期

8 溫豐;柴曉杰;朱智平;董小明;鄒偉;原魁;;基于單目視覺的SLAM算法研究[J];系統(tǒng)科學(xué)與數(shù)學(xué);2010年06期

9 李麗麗;宋志章;;傳感節(jié)點(diǎn)優(yōu)化覆蓋機(jī)器人SLAM算法模型及仿真[J];科技通報;2014年04期

10 趙建軍;張海玲;高晗;趙春霏;柴秀麗;陳濤;閆喜軍;吳威;;狐、貉和水貂犬瘟熱病毒受體SLAM的基因克隆及其真核表達(dá)[J];獸類學(xué)報;2010年01期

相關(guān)會議論文 前10條

1 ;An SLAM algorithm based on improved UKF[A];第24屆中國控制與決策會議論文集[C];2012年

2 Adizul Ahmad;Shoudong Huang;Jianguo Jack Wang;Gamini Dissanayake;;A New State Vector for Range-Only SLAM[A];Proceedings of the 2011 Chinese Control and Decision Conference（CCDC）[C];2011年

3 ;A Hybrid SLAM method for service robots in Indoor Environment[A];中國自動化學(xué)會控制理論專業(yè)委員會B卷[C];2011年

4 Bo He;Tao Zhang;Guijie Liu;;A New SLAM Algorithm Particle Filter-based for Autonomous Underwater Vehicle[A];proceedings of 2010 3rd International Conference on Computer and Electrical Engineering (ICCEE 2010 no.1)[C];2012年

5 ;AUV SLAM and Closed Loop Research in Large Scale Environment[A];2011年全國通信安全學(xué)術(shù)會議論文集[C];2011年

6 溫豐;柴曉杰;朱智平;董小明;鄒偉;原魁;;基于新型人工路標(biāo)系統(tǒng)的視覺SLAM算法研究[A];第二十九屆中國控制會議論文集[C];2010年

7 王宇韜;方勇純;;魯棒單目視覺SLAM系統(tǒng)研究[A];中國自動化學(xué)會控制理論專業(yè)委員會C卷[C];2011年

8 李海洋;李洪波;林穎;劉賀平;楊東方;;基于Kinect的SLAM方法[A];2013年中國智能自動化學(xué)術(shù)會議論文集（第五分冊）[C];2013年

9 Jiantong Cheng;Jonghyuk Kim;Zhenyu Jiang;Weihua Zhang;;Tightly Coupled SLAM/GNSS for Land Vehicle Navigation[A];第五屆中國衛(wèi)星導(dǎo)航學(xué)術(shù)年會論文集-S9 組合導(dǎo)航與導(dǎo)航新方法[C];2014年

10 ;Simultaneous Localization and Map Building Using Constrained State Estimate Algorithm[A];第二十七屆中國控制會議論文集[C];2008年

相關(guān)重要報紙文章 前1條

1 肖征榮;好軟件少不了它們[N];電腦報;2003年

相關(guān)博士學(xué)位論文 前9條

1 趙一路;人機(jī)交互環(huán)境下的主動SLAM及相關(guān)問題研究[D];復(fù)旦大學(xué);2013年

2 康軼非;不依賴GPS定位理論及方法研究[D];北京交通大學(xué);2015年

3 苑全德;基于視覺的多機(jī)器人協(xié)作SLAM研究[D];哈爾濱工業(yè)大學(xué);2016年

4 程見童;基于壓縮非線性濾波與圖論的同時定位與構(gòu)圖方法研究[D];國防科學(xué)技術(shù)大學(xué);2015年

5 王道斌;基于天空偏振光的SLAM方法的研究[D];中國科學(xué)技術(shù)大學(xué);2014年

6 林睿;基于圖像特征點(diǎn)的移動機(jī)器人立體視覺SLAM研究[D];哈爾濱工業(yè)大學(xué);2011年

7 游弋;SLE相關(guān)候選基因FCRL3，，SLAM的SNP分析及其功能研究[D];第三軍醫(yī)大學(xué);2008年

8 吳葉斌;基于全景視覺的移動機(jī)器人SLAM方法研究[D];哈爾濱工程大學(xué);2011年

9 陳晨;基于Sigma點(diǎn)濾波的移動機(jī)器人同時定位與地圖創(chuàng)建算法的研究[D];北京交通大學(xué);2013年

相關(guān)碩士學(xué)位論文 前10條

1 熊斯睿;基于立體全景視覺的移動機(jī)器人3D SLAM研究[D];哈爾濱工業(yè)大學(xué);2015年

2 王淮卿;基于互聯(lián)網(wǎng)與SLAM的移動機(jī)器人系統(tǒng)研究[D];哈爾濱工業(yè)大學(xué);2015年

3 李貴亞;基于立體視覺的機(jī)器人SLAM算法研究[D];哈爾濱工業(yè)大學(xué);2015年

4 薛永勝;變電站巡檢機(jī)器人SLAM算法及其應(yīng)用研究[D];西南科技大學(xué);2015年

5 趙亮;水下機(jī)器人視覺SLAM方法中的圖像特征點(diǎn)提取技術(shù)研究[D];電子科技大學(xué);2014年

6 胡衡;基于單目視覺的SLAM方法研究[D];新疆大學(xué);2015年

7 黃志明;動態(tài)稀疏環(huán)境下移動機(jī)器人SLAM問題研究[D];北京化工大學(xué);2015年

8 趙新哲;基于改進(jìn)粒子濾波的分布式SLAM算法研究[D];北京工業(yè)大學(xué);2015年

9 李洪臣;單目視覺移動機(jī)器人SLAM方法建模與仿真分析[D];電子科技大學(xué);2014年

10 丁潔瓊;基于RGB-D的SLAM算法研究[D];西安電子科技大學(xué);2014年

本文編號：1624793