计算机科学 ›› 2017, Vol. 44 ›› Issue (Z6): 115-118.doi: 10.11896/j.issn.1002-137X.2017.6A.025
刘沛丰,王坚
LIU Pei-feng and WANG Jian
摘要: 自主机器人作业的关键问题是自身的定位问题。卡尔曼滤波可用于对系统位置进行估计。首先介绍了移动机器人同步定位与地图构建(Simultaneous Localization and Mapping,SLAM)的一般模型及关键技术,然后介绍了扩展卡尔曼滤波(Extended Kalman Filter,EKF)的原理,通过分析粗差对EKF模型的影响,提出了抗差EKF模型。该模型根据多余观测分量及预测残差统计,构造抗差等价EKF增益矩阵,通过迭代解算给出抗差解。最后分别实现了加入粗差后的标准EKF-SLAM解决方案以及加入粗差后的抗差EKF-SLAM解决方案;模拟了自主机器人运动轨迹,并对比了两种模型对机器人定位的精确度,结果显示了抗差EKF模型的优越性。
[1] HUGH D W,TIME B.Simultaneous localization and mapping:Part I [J].Robotics & Automation Magazine,2006,13(2):99-110. [2] SMITH R,SELF M,CHESSEMAN P.Estimating uncertainspatial relationships in robotics[M]∥Autonomous Robot Vehicles.Springer-Verlag,New York,1990:167-193. [3] 浙江大学数学系.概率论与数理统计[M].北京:科学出版社,1965. [4] 李漳南,吴荣.随机过程教程[M].北京:高等教育出版社,1987. [5] 罗荣华,洪炳熔.移动机器人同时定位与地图创建研究进展[J].机器人,2004,26(2):182-186. [6] 陈卫东,张飞.移动机器人的同步自定位与地图创建研究进展[J].控制理论与应用,2005,22(3):455-460. [7] DISSANAYAKE G,NEWMAN P M,et al.A solution to the simultaneous localization and map building problem[J].IEEE Transactions on Robotics and Automation,2001,17(3):229-241. [8] 余学祥,陆伟才.抗差卡尔曼滤波模型及其在GPS监测网中的应用[J].测绘学报,2001,0(1):27-31. [9] 李德仁,袁修孝.误差处理与可靠性理论[M].武汉:武汉大学出版社,2002. [10] 王坚,王金岭,高井祥.基于抗差EKF的GNSS导航模型研究[J].中国矿业大学学报,2008,37(4):473-477. [11] BHATTI U I,OCHIENG W Y,FENG S J.Integrity of an integrated GPS/INS system in the presence of slowly growing errors.PartI:A critical review[J].GPS solution,2007,11(3):173-181. |
No related articles found! |
|