平滑型SLAM中數(shù)據(jù)關(guān)聯(lián)的魯棒性研究.pdf

1、同步定位與地圖構(gòu)建(Simultaneous Localization and Mapping，SLAM)是移動(dòng)機(jī)器人自主導(dǎo)航的核心技術(shù)，是機(jī)器人在未知環(huán)境中自主完成復(fù)雜任務(wù)的關(guān)鍵，體現(xiàn)著機(jī)器人的智能化水平。數(shù)據(jù)關(guān)聯(lián)作為SLAM中關(guān)鍵問題，它決定了移動(dòng)機(jī)器人定位的準(zhǔn)確和地圖的精確，因此本文針對(duì)SLAM中數(shù)據(jù)關(guān)聯(lián)魯棒性進(jìn)行了研究。
　　當(dāng)前SLAM一般基于稀疏最小二乘求解，但是它要求數(shù)據(jù)關(guān)聯(lián)100％的正確，需要SLAM中前端具有高性

2、能的數(shù)據(jù)關(guān)聯(lián)。一旦出現(xiàn)錯(cuò)誤數(shù)據(jù)關(guān)聯(lián)，就將導(dǎo)致結(jié)果發(fā)散。針對(duì)這一問題，Switchable Constraints(SC)和Max-Mixture Models(M-M)算法進(jìn)行了初步探索，使得SLAM對(duì)環(huán)閉具有魯棒性，但未探討對(duì)環(huán)境路標(biāo)的數(shù)據(jù)關(guān)聯(lián)魯棒性問題，且未能得到環(huán)境信息。
　　本文在SC算法基礎(chǔ)上，結(jié)合特征圖及其因子圖特點(diǎn)，提出一種對(duì)錯(cuò)誤數(shù)據(jù)關(guān)聯(lián)魯棒的特征路標(biāo)地圖SLAM算法（Robust Feature-landmarks

3、 Map SLAM Algorithm for Incorrect Data-associations，簡寫為RFM-SLAM）。RFM-SLAM算法通過對(duì)基于路標(biāo)的拓?fù)鋱D增加開關(guān)因子節(jié)點(diǎn)，同時(shí)利用運(yùn)動(dòng)過程中所有的歷史信息，對(duì)機(jī)器人所經(jīng)過路徑中的錯(cuò)誤數(shù)據(jù)關(guān)聯(lián)進(jìn)行修正，優(yōu)化得到正確的機(jī)器人路徑、路標(biāo)位置和機(jī)器人-路標(biāo)拓?fù)潢P(guān)聯(lián)信息。
　　根據(jù)SLAM的概率理論和拓?fù)潢P(guān)系，RFM-SLAM算法不單增加開關(guān)因子，還在優(yōu)化公式中添加約束條件

4、，使算法能收斂到最優(yōu)解附近。通過對(duì)SLAM中矩陣稀疏性的理論分析和g2o(general graph optimization)使用，確保了算法的計(jì)算效率。在后端優(yōu)化過程中，開關(guān)因子改變SLAM問題的拓?fù)浣Y(jié)構(gòu)，消除了錯(cuò)誤數(shù)據(jù)關(guān)聯(lián)對(duì)優(yōu)化結(jié)果的影響。該算法提高了SLAM對(duì)數(shù)據(jù)關(guān)聯(lián)的魯棒性，使得前端和后端的關(guān)聯(lián)更緊密，保證了機(jī)器人定位的準(zhǔn)確和路標(biāo)地圖構(gòu)建的精確。最后通過仿真數(shù)據(jù)集和真實(shí)測(cè)試數(shù)據(jù)集的實(shí)驗(yàn)以及與其他算法比較，RFM-SLAM算法性