基于粒子滤波的移动机器人SLAM算法研究

  • 基于粒子滤波的移动机器人SLAM算法研究已关闭评论
  • 55 views
  • A+
所属分类:AGV设计资料
摘要

随着自主移动机器人的发展,自主导航技术成为机器人领域的研究热点。为了真正实现移动机器人的自主导航,移动机器人在未知环境下的即时构图与定位(SLAM)成为解决问题的关键。论文首先阐述了SLAM算法的研究背景、研究意义及发展历程。通过Matlab仿真实验对SLAM算法的两种经典方法:基于扩展卡尔曼滤波和基于粒子滤波的SLAM算法进行分析比较。其次,采用基于强跟踪无迹卡尔曼滤波的SLAM算法(STUFast SLAM),改善Fast SLAM算法的线性化累积误差问题。以强跟踪无迹卡尔曼滤波替代扩展卡尔曼滤波来估计粒子的后验概率密度函数,提高了粒子的采样精度和鲁棒性,仿真实验表明了算法的有效性。然后,在STUFast SLAM算法的基础上,针对粒子多样性缺失的问题,采用两种改进的Fast SLAM算法:基于差分进化的SLAM算法和基于优化组合重采样的SLAM算法。这两种算法都是基于重采样的改进,第一种算法采用差分进化算法替代重采样过程,减缓粒子耗尽的趋势,提高算法的鲁棒性;第二种算法将重采样后的大权值粒子和小权值粒子进行一定的线性组合,获得一组新的粒子,使得小权值粒子的信息保留下来,增加了粒子的多样性。通过仿真实验和维多利亚公园数据实验验证了算法的有效性。最后,在QBot2实验平台上,将改进算法运用到移动机器人室内环境下SLAM实验中,进一步验证算法有效性。

论文目录

摘要
Abstract

1 绪论

1.1 课题研究背景及意义
1.2 移动机器人的研究现状
1.2.1 国外现状
1.2.2 国内现状
1.3 即时定位与地图构建技术
1.3.1 SLAM研究意义
1.3.2 SLAM研究现状
1.3.3 SLAM的实现
1.3.4 SLAM的关键问题
1.4 本文的研究内容

2 移动机器人建模及SLAM经典算法

2.1 SLAM问题描述
2.2 移动机器人系统建模
2.2.1 运动模型
2.2.2 观测模型
2.2.3 噪声模型
2.2.4 环境特征模型
2.3 地图表示方法
2.4 实验平台及数据集
2.4.1 Tim Bailey实验平台
2.4.2 维多利亚公园数据集
2.5 EKF-SLAM算法
2.5.1 扩展卡尔曼滤波器
2.5.2 EKF-SLAM算法实现
2.6 Fast SLAM算法
2.6.1 粒子滤波
2.6.2 Fast SLAM算法实现
2.7 仿真实验及结果分析
2.8 本章小结

3 基于强跟踪无迹卡尔曼滤波的Fast SLAM算法研究

3.1 强跟踪无迹粒子滤波
3.1.1 强跟踪滤波器
3.1.2 STUKF算法
3.1.3 STUPF算法
3.2 STUFast SLAM算法实现
3.3 仿真分析
3.4 本章小结

4 基于改进重采样的Fast SLAM算法研究

4.1 基于差分进化的Fast SLAM算法研究
4.1.1 基于差分进化的粒子优化
4.1.2 DE-Fast SLAM算法实现
4.1.3 仿真实验与分析
4.1.4 维多利亚公园数据集实验
4.2 基于优化组合重采样的Fast SLAM算法研究
4.2.1 基于优化组合的重采样算法
4.2.2 基于优化组合重采样的Fast SLAM算法实现
4.2.3 仿真实验与分析
4.2.4 维多利亚公园数据集实验
4.3 本章小结

5 基于QBot2平台的Fast SLAM实验

5.1 QBot2实验平台
5.1.1 Kobuki移动机器人平台
5.1.2 Kinect体感传感器
5.2 QBot2的软件组成
5.3 实验结果及分析
5.4 本章小结
结论
致谢
参考文献
攻读硕士研究生期间发表论文及科研情况

抱歉,此资源仅限赞助会员下载,请先
注意:本站资源多为网络收集,如涉及版权问题请及时与站长联系QQ:2766242327,我们会在第一时间内与您协商解决。如非特殊说明,本站所有资源解压密码均为:agvba.com。
weinxin
微信公众号
agvba是一个分享AGV知识和agv案例视频的网站。