论文部分内容阅读
自主机器人应用日益广泛，其相关问题已成为研究热点。机器人定位和构建环境地图是其自主执行任务的重要保障。在未知环境中，机器人的定位和地图创建问题相互依赖，为此研究人员提出了机器人同时定位与地图创建（SLAM）问题。本文利用扩展卡尔曼滤波按照从理论分析到实际应用的顺序深入研究了SLAM问题的解决方法。主要包括以下研究内容：首先针对二维室内环境建立了SLAM问题研究中使用的移动机器人系统模型，包括坐标系统定义、环境模型、环境地标动态模型、传感器模型和机器人运动学模型。其次阐述一般性的SLAM问题扩展卡尔曼滤波解法，并从理论层面分析了SLAM问题中的不确定性传递过程、地标相关性的建立过程以及系统的收敛性。利用MATLAB建立了针对点地标的SLAM问题仿真环境，通过不同任务情况的仿真分析验证了理论分析的结果。然后考虑实际应用的需要，针对线段地标构成的二维环境研究了基于RANSAC方法的地标抽取算法，并根据SLAM问题应用需求对算法进行了改进。建立了线段地标环境中SLAM问题的扩展卡尔曼滤波方程，并结合最近邻方法和联合相容分枝定界方法提出了数据关联算法。最后利用powerbot移动机器人以及相关的仿真软件对线段地标环境的地标抽取以及EKF-SLAM算法进行了仿真和实验。利用结果验证了前文研究的地标抽取算法以及EKF-SLAM算法的有效性。