移動機器人狀態(tài)估計算法魯棒性改進方法研究.pdf

1、移動機器人在完成運輸、清潔、搜救和監(jiān)控等任務的過程中均需要利用狀態(tài)估計器來獲得各種基本信息，因此狀態(tài)估計是移動機器人領域核心研究課題之一。
　　在移動機器人狀態(tài)估計領域中，視覺里程計（Visual Odometry）問題和同步定位與地圖構建(Simultaneous Localization and Mapping，SLAM)問題是兩個典型基礎問題。本文主要研究如何提升視覺里程計與SLAM問題相關算法的魯棒性。
　　在本文的

2、第一部分中，提出了兩種改進RGB-D視覺里程計算法魯棒性的方案:首先，本文考慮了視覺里程計優(yōu)化問題中一類利用Logistic函數進行權值計算的加權最小二乘形式的問題模型。本文提出了一種采用最大期望(Expectation Maximization，EM)算法對其中的權重和運動狀態(tài)量進行交替估計的改進方案;隨后，本文考慮了視覺里程計優(yōu)化問題中一種基于雙目標優(yōu)化的問題模型，并分別采用加權求和標量化（weighted sum scalariz

3、aiton）與切比雪夫標量化(Chebyshev scalarization)兩種方法來對問題進行求解。由實驗結果可以看到，同現有方法相比，本文提出的改進方法在圖像的灰度或深度特征缺乏時魯棒性更強。
　　在本文的第二部分中，提出采用L1形式的目標函數來增強Linear SLAM算法魯棒性。由實驗結果可知，同現有采用L2形式目標函數的方法相比，本文提出的改進方法實時性較差。然而，這種改進方法卻為解決Linear SLAM中非線性優(yōu)化