基于EKF-SLAM导航算法研究

论文总字数：26857字

摘 要

针对GPS或北斗卫星导航系统，在卫星失效或者地面存在信号遮挡的情况下存在导航失效等问题，本文分析构建了同时定位与建图系统（SLAM，Simultaneous Localization and Mapping），并在EKF（Extended Kalman Filter）滤波方法相关原理的基础上，完成了对各种SLAM方法的分析比较以及基于EKF-SLAM算法的分析与建立，最后对EKF-SLAM存在的问题提出改进措施。

首先建立了SLAM算法的数学模型，并采用EKF为核心估计算法，通过预测，更新两个阶段来抑制噪声传播，从而计算移动机器人的位姿以及未知环境中的地标位置。其次，针对EKF-SLAM存在的误差累积以及计算复杂度随地标数平方增长、计算量大的问题，提出了改进措施：（1）通过多次对地标进行观测，利用观测所得到的信息数据进行回环检测，从而校正误差。（2）减少每次特征点的提取量以减小计算复杂度的改进优化措施。最后以MATLAB作为平台进行仿真实验，仿真实验结果表明，本课题构建的EKF-SLAM导航系统较好的完成了移动机器人的定位导航与地图构建任务，证明了算法的可行性。提出的改进优化措施使导航系统的估计状态更加接近于实际值，进一步提高了算法的估计精度。

关键词：同时定位与建图，机器人控制，扩展卡尔曼滤波器，SLAM

Abstract

A Simultaneous Localization and Mapping system (SLAM, Simultaneous Localization and Mapping) is developed to solve the problem of navigation failure in the case of GPS or Beidou navigation system failure or ground signal occlusion Based on the theory of EKF filter, the analysis and comparison of various SLAM methods and the analysis and establishment of EKF-SLAM Algorithm are completed.

Firstly, a mathematical model of SLAM algorithm is established, and EKF is used as the core estimation algorithm to suppress the noise propagation in the two phases of prediction update, so as to calculate the position and pose of the mobile robot and the landmark position in unknown environment. Secondly, to solve the problems of EKF-SLAM, such as the accumulation of errors, the increase of computational complexity with the square of landmarks, and the large amount of computation, an improvement measure (1) is proposed The posterior probability density is calculated from the observed data to correct the system error. (2) an improved optimization measure to reduce the computational complexity by reducing the amount of feature points extracted each time. Finally, the simulation results with Matlab platform show that the EKF-SLAM navigation system constructed in this paper can accomplish the tasks of positioning, navigation and map building of mobile robot, and prove the feasibility of the algorithm. The improved optimization measures make the estimated state of the navigation system more close to the actual value, and further improve the estimation accuracy of the algorithm.

KEY WORDS: Simultaneous Localization and mapping,robot control,Extended Kalman Filter,SLAM

目 录

摘要 Ⅰ

Abstract Ⅱ

第一章 绪论 1

1.1 课题研究背景与意义 1

1.2 国内外研究现状 2

第二章 同时定位与建图（SLAM）概述 4

2.1 引言 4

2.2 SLAM算法基本原理 5

2.3 SLAM算法问题建模 7

2.3.1 坐标系统模型及机器人位姿模型 7

2.3.2 移动机器人预测模型 8

2.3.3 移动机器人观测模型 9

2.3.4 环境地图模型 10

2.3.5 噪声模型 10

2.4 SLAM算法对比 10

第三章 EKF-SLAM系统 12

3.1 引言 12

3.2 EKF基本原理 12

3.3 EKF-SLAM算法 13

3.4 EKF-SLAM存在问题及改进措施 18

3.5 实验仿真与误差分析 18

第四章 结论 24

参考文献 25

致谢 26

2. 绪论

1.1课题研究背景与意义

科学技术发展的愈快，人类社会就愈加追求解放生产力，全球范围内的工业，军事，生产生活等方面逐渐要求实现各层面智能化与自动化的目标，因而研究人员们提出并加快了智能机器人的研发进程，同时不断促进各类与之相关的技术的研究进步。得益于自动控制理论，人工智能，导航理论，多传感器信息融合技术等学科理论的不断深入研究，智能机器人与其各类实际应用正在不断快速发展，在短时间内已经取得了明显的跨越式进展与成果。目前，机器人技术正在蓬勃发展，但应用领域还有不断拓宽的可能，因此，机器人技术的相关研究还需要进一步深入。

机器人相关技术中的重要研究方向之一就是移动机器人定位导航，相关算法的研究正处在当下科学研究领域的高新发展方向。从导航定位的决策方式角度进行分类，可将其分为以下三个类型，分别是：被动式遥控型导航定位，半自主式决策导航定位，自主式决策导航定位。目前越来越多的研究人员着眼于发展拥有自主导航与定位能力的智能机器人，这是因为在现实背景下，无法准确得知环境的复杂程度，因此对机器人的适应能力有了更高的要求。

剩余内容已隐藏，请支付后下载全文，论文总字数：26857字