移动机器人SLAM问题研究

作     者：赵一路 

作者单位：复旦大学 

学位级别：硕士

导师姓名：陈雄

授予年度：2010年

学科分类：080202[工学-机械电子工程] 08[工学] 0804[工学-仪器科学与技术] 0802[工学-机械工程] 

主      题：同时定位与制图 机器人“绑架”问题 地图匹配 

摘      要：移动机器人系统在宇宙探测、工厂自动化、采矿、排险、军事、服务等方面有着广泛的应用前景。SLAM (simultaneous localization and mapping)即同时定位与地图建模,指移动机器人在未知环境中自主建立环境的地图,同时在这张地图中给自身定位。在这个过程中,机器人没有外部环境先验知识的帮助,地图建模与定位都依赖于自身的传感器。因此,SLAM问题的解决是实现移动机器人真正自主的关键。 本文以移动机器人在室外未知环境下的SLAM问题为主要研究内容。总结了SLAM问题研究现状,分析了它们的优缺点,针对现有SLAM解决方法在机器人遭遇“绑架时失效的问题,提出了新的SLAM问题解决方案。本文的主要贡献如下： 1.提出新的路标提取方法。SLAM的地图建模以及地图匹配以环境中的路标点为基础,为了有效地基于激光传感器数据在室外非结构化环境中提取路标点,提出了一种新的实体特征提取方法,引入蛛网结构,将环境中覆盖一定连续范围的物体分离,满足一定条件的作为路标点。 2.提出新的基于匹配的SLAM方法框架。其核心为多重估计数据关联,将局部地图中的路标点和全局地图中的路标点进行匹配,建立匹配矩阵,进而得到匹配对向量。评估每一个匹配对向量,保留最优估计,提高了算法的鲁棒性。 3.将Delaunay Triangulation引入地图建模。基于环境中提取出的路标点,使用Delaunay Triangulation的方法来建立最优的三角网络,反映特征点间的几何关系,进行地图建模。 4.引入奇异值分解(Singular Value Decomposition, SVD)的方法,根据路标匹配对计算出机器人的精确位姿信息。 通过实验比较了本算法和传统方法的性能,证明了本文提出算法的有效性和优势。