移動機器人fastslam算法研究畢業設計-資料下載頁

　　

【正文】 置。分析：在控制量噪聲一定且相對較小時，同時加入的觀測量噪聲也相對較小的情況下，EKFSLAM和FastSLAM都能較好地對路徑和路標進行估計，得到良好的SLAM效果，但在X軸和Y軸的誤差方面，FastSLAM仍然比EKFSLAM小一些。 圖65 EKFSLAM仿真圖 星型點表示實際路標位置，十字點表示估計的路標位置，在其周圍的橢圓表示其觀測的不確定性。 圖66 FastSLAM仿真圖 星型點和黑點分別表示實際和估計的路標位置。分析：在控制量噪聲一定相對較小，且加入的觀測量噪聲相對較大的情況下，EKFSLAM和FastSLAM開始都能夠較好地對路徑和路標進行估計，得到良好的SLAM效果，但是隨著誤差的累計，EKFSLAM在X軸和Y軸的誤差方面明顯變大，而FastSLAM仍能保持較為良好的路徑和路標估計性能，整體性能優于EKFSLAM。7 總結和展望 本文介紹了解決SLAM問題的方法：粒子濾波器SLAM。粒子濾波器SLAM與原有的方法的區別在于，它利用了數據和狀態變量之間的離散性來分解SLAM問題。分解成一些低維數問題的集合，粒子濾波器SLAM對于機器入的路徑和數據關聯的采樣，以每個粒子為條件計算獨立的環境特征估計。算法把地圖中的環境特征的數目對數化，這對于處理多個環境特征的地圖非常有效。實驗結果可以看出對于數據關聯采樣可以讓算法對于數據關聯很不明確的地圖非常有效，并且可以使數據關聯得到修正。這篇論文對粒子濾波器SLAM算法進行改進。由于改進了假設分布，改進的粒子濾波器SLAM也可以只用單個粒子運行．論文中說明了改進的粒子濾波器SLAM算法對于單個粒子在線性高斯環境下收斂。基于RaoBlackwellized粒子濾波器的FastSLAM算法是一種高效的機器人同步定位和繪制地圖的算法，其具有高效性和準確性，該方法使用提高了機器人地圖創建的實時性，增強了避障能力。機器人領域的研究者對SLAM進行了大量的研究，特別是降低復雜度，提高魯棒性等方面取得了很大的進展。針對環境從靜態的結構化室內環境向非結構化室內環境和自然環境延伸．綜合近年來的相關文獻，以下幾個方面將是今后研究的熱點：1）基于多傳感器融合的特征提取方法，特別是應用雙目和三目視覺的3D空間的特征提取。2）研究更有效的自適應采樣策略，進一步提高粒子濾波算法的性能。3）對于復雜的，大范圍環境和室外非結構化環境的即時定位于地圖創建，主要解決減少計算量，增強定位實時性的問題。4）更好的地圖表達方式，特別是復雜地形中的地圖表達方式。5）針對此類問題的新的理論方法。參考文獻[1] Smith R, Cheeseman P. On the representation and estimation of spatial uncertainly [J] International Journal of Robotics Research, 1987, 5( 4) : 56 68[2] Guivant J E, Nebot E M. Optimization of the simultaneous localization and mapbuildingalgorithm for realtimeimplementation. IEEE Transactions on Robotics and Automation, 2001, 17(3): 242257 [3] Montemerlo M, Thrun S, Koller D, Wegbreit B. FastSLAM:a factored solution to thesimultaneous localization and mapping problem. In: Proceedings of the AAAI NationalConference on Articial Intelligence[J]. Edmonton, Canada:AAAI, 2002. 593598 [4] Chong K, Kleeman L. Accurate odometry and error modeling for a mobile Proceedings of the IEEE International Conference on Robotics and Automation[C], New Mexico, USA: 1997. Vol. 4: 27832788[5] Thrun S. Robotic Mapping: A Survey, Technical Report CMUCS02111, School of Computer Science, Carnegie Mellon University, USA, 2002 [6] MontemerloM, localization and Mapping with unknown data Association using FastSLAM [C]∥ ProcIEEEIntConfRobotics and Automation. Taipei, China: IEEEPress, 2003: 1985 1991 [7] D. Fox, W. Burgard, F. Dellaert, and S. Thrun. Monte Carlo localization: Efficient position estimation for mobile robots[C]. In Proc National Conference on Artificial Intelligence Research, Orlando. 1999: 343349 [8] M. Montemerlo, S. Thrun, D. Koller, and B. Wegbreit. FastSLAM: A factored solution to the simultaneous localization and mapping problem[C].Proceedings of the AAAINational Conference on Artificial Intelligence: 593598[9] Ioannis Rekleitis. A particle filter tutorial for mobileRobot localizationTR CIM 0402[R]. Montreal, Qu ebec,Canada:Centrefor Intelligent Machines, McGill University, 2004[10] M. Montemerlo, S. Thrun, D. Koller, and B. Wegbreit. FastSLAM: A factoredsolution to the simultaneous localization and mapping problem[C].Proceedings of the AAAI National Conference on Artificial Intelligence: 593598[11] M. Montemerlo. FastSLAM: A factored solution to the simultaneous localization and mapping problem with unknown data association[J]. . dissertation,School of Computer Science, Carnegie Mellon University, Pittsburgh. 2003: 6062[12] GiorgioG, CyrillS, WolframB. Improvinggrid basedSLAMwithrao blackwellized particle filters by adaptive proposals and selective resampling[C]// Proc IEEE Int Conf Robotics and lona, Spain: IEEEPress, 2005: 2443 2448[13] LiuXian’en, MaBojun, Qi Ningning, et al. A sonar data based particle filtering localization method for mobile robot[C]// Proceedings of the 7th World CongressonIntelligent Control and Automation. Chongqing, China: IEEE Press, 2008:3920~3924[14] Liu Guocheng, sensor moving target tracking using particle filter[C]// Proceedings of the 2007 IEEE International Conferenceon Robotics andBiomimetics. Sanya, China: IEEE Press, 2007:668673[15] 郭劍輝，趙春霞，陸劍峰．RaoBlackwellised粒子濾波SLAM的一致性研究[J]．系統仿真學報，2008，20(23)：6401~45405 致謝本論文是在導師和師兄的悉心指導下完成的，通過本次論文，我學習到了許多專業以外的知識，這次的論文翻閱了許多資料，鍛煉了自己獨立思考問題的能力，我要感謝四年的大學生活，感謝大學班所有老師同學以及我的家人和那些永遠也不能忘記的朋友，感謝在論文撰寫期間給與我無私幫助和支持的實驗室的師兄和師姐們，他們給我提出了很多有用的建議和意見，指出了我論文之中的一些不足之處。讓我學習到了嚴謹，認真的學習態度。感謝我的室友們，他們為我的學習和生活提供了良好環境，同時給與我很多支持和鼓勵。平時在生活和學習的探討中加深了彼此間的了解和友誼。他們的支持與情感，是我永遠的財富。感謝我的父母，作為他們的孩子，我秉承了他們樸實、堅韌的性格，也因此我有足夠的信心和能力戰勝前進路上的艱難險阻；也因為他們的日夜辛勞，我才有機會如愿完成自己的大學學業，進而取得進一步發展的機會。