移动机器人在大尺度未知环境下的自主导航方法——改进的FastSLAM算法  

An improved FastSLAM algorithm for mobile robots'self-navigation in unknown large-scale environments

作　　者：郭利进[1,2] 王化祥[2] 孟庆浩[2] 曾明[2] 邱亚男[2] 

机构地区：[1]天津工业大学计算机技术与自动化学院,天津300160 [2]天津大学电气与自动化工程学院,天津300072

出　　处：《高技术通讯》2008年第4期375-381,共7页Chinese High Technology Letters

基　　金：国家自然科学基金(60475028);天津市高等学校科技发展基金(2006ba54)资助项目

摘　　要：在移动机器人同时定位和地图创建过程中,标准 FastSLAM 算法(对 SIAM 因式分解的一种快速算法)通常假设机器人观测值和环境陆标之间的数据关联是已知的(即采用预置陆标)来回避数据关联问题。针对标准 FastSLAM 算法的这一缺陷,提出了一种适合大尺度未知环境(即数据关联未知)下的基于单个粒子最大似然数据关联和环境否定信息相结合的 FastSLAM 改进算法。该算法用基于单个粒子最大似然数据关联法保证当前运动噪声对下一步关联数据精度的影响和"失踪"问题的出现,而用环境否定信息法避免错误陆标添加到环境地图中。仿真结果表明,改进的 FastSLAM 算法解决了大尺度未知环境下的数据关联问题,提高了机器人自身定位和地图创建的精度,可真正实现机器人在大尺度未知环境的自主导航。To solve the data association problem of the fast simultaneous location and mapping （FastSLAM） algorithm in unknown large-scale environments for mobile robots, the paper adopts a data association solution for FastSLAM algorithm in unknown large-scale environments （uncertain data association） by using the united technology of per-particle maximum likelihood and negative information approach. The improved algorithm uses the per-particle maximum likelihood approach to avoid the motion noise that has influence on the accuracy of the latter data association and the aim-lost phenomnen appearing. It also uses the negative information method to avoid the erroneous landmarks added in the maps. Simulation resuits show that the improved FastSLAM solves the data association and improves the performance of localization and mapping greatly in the unknown large-scale environments.

关 键 词：快速SLAM算法 扩展卡尔曼滤波 数据关联 最大似然估计 否定信息 

分 类 号：TP242[自动化与计算机技术—检测技术与自动化装置] V474[自动化与计算机技术—控制科学与工程]