基于激光测距仪全局匹配扫描的SLAM算法研究-AGV吧

0 引言

地面自主移动机器人是智能机器人领域的一个重要研究方向，机器人的自主移动成了当下一大热点。随着移动机器人的作业环境变的越来越复杂和非结构化，作为实现移动机器人自主运动的关键技术之一，SLAM技术已成为越来越重要的基础性难题，引起了众多学者纷纷对其进行研究。文献[2]基于改进粒子滤波的SLAM算法研究，针对粒子退化和粒子耗尽提出了两种不同的粒子改进算法，提高了算法的精确性，但是此算法需大量采样粒子，工作量大，且频繁采样，会造成粒子的耗尽。文献[3]基于CEKF的SLAM算法研究与分析，对CEKF算法进行了研究，事实证明，机器人的运动速度和变化率会产生较大的定位误差，并不可取。文献[4]基于迭代平方根CKF的SLAM算法，提出了一种迭代平方根的CKF的改进算法，利用最新的观测信息，降低CKF的估计误差，但是此改进算法容易受环境因素的影响，地图构建的精度还有所欠缺。文献[5]基于匹配的SLAM的机器人定位系统研究，采用扫描匹配的方法对机器人定位系统进行分析，但是需要对每一次扫描进行处理，大大增加了计算量。所以，本文采用基于激光测距仪的全局匹配扫描算法进行SLAM研究，旨在准确实现机器人的位姿定位，提高地图构建的准确性，最后在电力巡检机器人的平台上对此算法进行实验验证，用以验证算法的可行性。

1 激光测距全局匹配扫描的SLAM算法

全局匹配扫描的SLAM算法是一种扫描匹配算法，将当前的扫描与全局地图匹配，通过计算刚体变换解来获得机器人当前位姿，包括地图描述，扫描匹配，多分辨率地图3个部分。

1.1地围描述

传统的占用栅格地图模型无法通过插值和微分的方法进行直接计算，无法实现要求的精确度，论文摒弃此种插值方法，采用双线性滤波的插值方法，既能保证子栅格单元的精确性，又能估算栅格占用函数的概率和导数。首先给出一个连续的坐标点，通过公式（1），公式（2），公式（3）计算出栅格地图的组成单元的占用值M(Pa)。通过x-y轴坐标系进行线性插值得到：

1.2扫描匹配

扫描匹配过程是当前激光扫描与参考激光扫描进行匹配，或者与机器人当前的地图进行匹配。现代的激光扫描传感器具有精度高和高频率的特点。因此，设法将激光扫描高效匹配就有可能获得很精确的结果。论文所采用的方法是将激光束的终点集和目前已知的地图尽可能地匹配。通过这种方法，没有必要再寻找激光束终点之间的数据关联。