發(fā)布時間：2018-02-26 00:14

  本文關(guān)鍵詞： 同時定位與建圖 機(jī)器人控制 擴(kuò)展卡爾曼濾波器 能觀測性分析 估計(jì)不一致　出處：《沈陽建筑大學(xué)》2016年碩士論文　論文類型：學(xué)位論文

【摘要】：機(jī)器人技術(shù)由多種先進(jìn)技術(shù)構(gòu)成,同時也反映了一個國家的自動化科技水平,機(jī)器人技術(shù)在短短十幾年時間里取得了飛速發(fā)展,并廣泛應(yīng)用在工業(yè)、軍事、生活等各個領(lǐng)域。自主導(dǎo)航一直是移動機(jī)器人領(lǐng)域的研究熱點(diǎn),同時定位與地圖創(chuàng)建(Simultaneous Localization and Mapping SLAM)使移動機(jī)器人具有更好的自主導(dǎo)航技術(shù),因此對SLAM的研究成為了移動機(jī)器人領(lǐng)域的研究新的熱點(diǎn)。首先,建立了移動機(jī)器人運(yùn)動模型、傳感器觀測模型、環(huán)境特征模型及數(shù)據(jù)關(guān)聯(lián)模型,并通過綜合應(yīng)用這些模型,建立解決SLAM問題的一般模型,為SLAM關(guān)鍵技術(shù)研究搭建了統(tǒng)一的平臺。其次,對EKF-SLAM(Extended Kalman Filter-Simultaneous localization and mapping,EKF-SLAM)算法的一致性及收斂性問題進(jìn)行了深入研究。經(jīng)理論推導(dǎo)得出:當(dāng)?shù)貥?biāo)觀測值趨近于無窮大時,機(jī)器人位姿的協(xié)方差存在極值,實(shí)現(xiàn)收斂;極值與地標(biāo)位置估計(jì)精度均受機(jī)器人初始方向不確定性大小影響;如果在整個SLAM運(yùn)行過程中,運(yùn)動學(xué)模型和觀測模型的雅可比矩陣都是在狀態(tài)估計(jì)值處進(jìn)行計(jì)算的話,該特征的方差會降低,也就是發(fā)生了方差不一致性現(xiàn)象;機(jī)器人方向的不確定性影響地標(biāo)位置不確定性的極值或者下限。針對EKF-SLAM算法中的估計(jì)不一致問題,分析在兩個條件下,EKF-SLAM算法產(chǎn)生不一致的基本原因,進(jìn)行理論證明,并通過仿真結(jié)果驗(yàn)證推理過程及理論結(jié)果的準(zhǔn)確性。最后,針對傳統(tǒng)EKF-SLAM算法中存在的狀態(tài)估計(jì)不一致問題,通過分析濾波器系統(tǒng)模型能觀測性,提出一種增加能觀測性約束條件的算法,使得EKF-SLAM系統(tǒng)與非線性SLAM系統(tǒng)觀測方程能觀矩陣的秩保持一致。主要通過構(gòu)建補(bǔ)償矩陣U,最優(yōu)化求解約束條件,得到新的線性點(diǎn),優(yōu)化系統(tǒng)的雅克比矩陣,重構(gòu)系統(tǒng)能觀測矩陣。通過仿真實(shí)驗(yàn),驗(yàn)證了所提出算法在狀態(tài)估計(jì)的精確性和協(xié)方差一致性方面,明顯優(yōu)于傳統(tǒng)的EKF-SLAM算法。研究工作和結(jié)論對車輛自主駕駛有重要參考價值。
[Abstract]:Robot technology is composed of a variety of advanced technologies, but also reflects the level of automation technology in a country, robotics technology has made rapid development in a short period of more than ten years, and widely used in industry, military, Autonomous navigation has always been a hot research topic in the field of mobile robot. At the same time, localization and map creation make mobile robot have better autonomous navigation technology. Therefore, the research of SLAM has become a new research hotspot in the field of mobile robot. Firstly, the motion model, sensor observation model, environment feature model and data association model of mobile robot are established, and these models are comprehensively applied. The general model of solving SLAM problem is established, which builds a unified platform for the research of SLAM key technology. Secondly, In this paper, the consistency and convergence of EKF-SLAM(Extended Kalman Filter-Simultaneous localization and mapping (EKF-SLAM) algorithm are studied in depth. The theoretical derivation shows that the covariance of robot pose exists extreme value and converges when the local standard observation value approaches infinity; The accuracy of the extreme value and the landmark position estimation is affected by the uncertainty of the initial direction of the robot, if the Jacobian matrix of the kinematics model and the observation model are calculated at the state estimation value during the whole SLAM operation. The variance of the feature will be reduced, that is, the variance inconsistency will occur, and the uncertainty of robot direction will affect the extreme value or lower limit of the uncertainty of the location of landmarks. This paper analyzes the basic reasons for the inconsistency of EKF-SLAM algorithm under two conditions, proves it theoretically, and verifies the reasoning process and the accuracy of the theoretical results by simulation results. Finally, aiming at the problem of inconsistent state estimation in the traditional EKF-SLAM algorithm, the paper analyzes the difference between EKF-SLAM algorithm and EKF-SLAM algorithm. By analyzing the observability of the model of filter system, an algorithm for increasing observability constraints is proposed. The rank of observable matrix of observation equation of EKF-SLAM system and nonlinear SLAM system is consistent. By constructing compensation matrix U and solving constraint conditions optimally, a new linear point is obtained to optimize the Jacobian matrix of the system. The simulation results show that the proposed algorithm is superior to the traditional EKF-SLAM algorithm in terms of state estimation accuracy and covariance consistency. The research work and conclusions have important reference value for autonomous vehicle driving.
【學(xué)位授予單位】：沈陽建筑大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2016
【分類號】：TP242

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 ;Line-feature-based SLAM Algorithm[J];自動化學(xué)報;2006年01期

2 郭劍輝;趙春霞;陸建峰;康亮;;Rao-Blackwellised粒子濾波SLAM的一致性研究[J];系統(tǒng)仿真學(xué)報;2008年23期

3 郭劍輝;趙春霞;石杏喜;;一種改進(jìn)的聯(lián)合相容SLAM數(shù)據(jù)關(guān)聯(lián)方法[J];儀器儀表學(xué)報;2008年11期

4 郭劍輝;趙春霞;康亮;;SLAM問題中特征相關(guān)性研究[J];系統(tǒng)仿真學(xué)報;2008年06期

5 Mansour Moniri;Claude C.Chibelushi;;A Sensor-based SLAM Algorithm for Camera Tracking in Virtual Studio[J];International Journal of Automation & Computing;2008年02期

6 季秀才;鄭志強(qiáng);張輝;;SLAM問題中機(jī)器人定位誤差分析與控制[J];自動化學(xué)報;2008年03期

7 郭劍輝;趙春霞;;一種新的粒子濾波SLAM算法[J];計(jì)算機(jī)研究與發(fā)展;2008年05期

8 周武;趙春霞;;一種改進(jìn)的邊緣粒子濾波SLAM方法[J];華中科技大學(xué)學(xué)報(自然科學(xué)版);2008年S1期

9 丁帥華;陳雄;韓建達(dá);;基于局部子圖匹配的SLAM方法[J];機(jī)器人;2009年04期

10 陳家乾;何衍;蔣靜坪;;添加約束的EKF-SLAM算法[J];科技通報;2009年04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 周慧中;基于結(jié)構(gòu)線條的視覺SLAM方法[D];上海交通大學(xué);2015年

2 龍超;基于Kinect和視覺詞典的三維SLAM算法研究[D];浙江大學(xué);2016年

3 鄭順凱;自然環(huán)境中基于圖優(yōu)化的單目視覺SLAM的研究[D];北京交通大學(xué);2016年

4 查尤平;平滑型SLAM中數(shù)據(jù)關(guān)聯(lián)的魯棒性研究[D];北京交通大學(xué);2016年

5 儲明帥;基于增量平滑的移動機(jī)器人同時定位與地圖構(gòu)建的研究[D];北京交通大學(xué);2016年

6 宋艷;基于圖像特征的RGB-D視覺SLAM算法[D];中國海洋大學(xué);2015年

7 應(yīng)璐璐;基于感知驅(qū)動的AUV自主導(dǎo)航算法研究[D];中國海洋大學(xué);2015年

8 祝甜一;基于ROS的自主式救援機(jī)器人SLAM和導(dǎo)航系統(tǒng)研究[D];東南大學(xué);2015年

9 李玉;基于3D激光點(diǎn)云的無人車城市環(huán)境SLAM問題研究[D];北京理工大學(xué);2016年

10 朱福利;基于SLAM的移動機(jī)器人室內(nèi)環(huán)境感知和地圖構(gòu)建研究[D];廣東工業(yè)大學(xué);2016年

，

本文編號：1535736