基于分布式感知的移动机器人同时定位与地图创建  

Distributed-Perception-Based Simultaneous Localization and Mapping for Mobile Robots

作　　者：梁志伟[1] 马旭东[1] 戴先中[1] 房芳[1] 

机构地区：[1]东南大学自动化学院复杂工程系统测量与控制教育部重点实验室,江苏南京210096

出　　处：《机器人》2009年第1期33-39,共7页Robot

基　　金：国家863计划资助项目(2006AA040202;2007AA041703);国家青年自然科学基金资助项目(60805032).

摘　　要：为了创建大规模环境的精确栅格地图,提出一种基于分布式感知的两层同时定位与地图创建(SLAM)算法.在局部层,机器人一旦进入了一个新的摄像头视野,便依据机器人本体上的激光和里程计信息,采用Rao-Blackwellized粒子滤波方法创建一个新的局部栅格地图.与此同时,带有检测标志的机器人在摄像头视野内以曲线方式运动,以解决该摄像头的标定问题.在全局层,一系列的局部地图组成一个连接图,局部地图间的约束对应于连接图的边.为了生成一个准确且全局一致的环境地图,采用随机梯度下降法对连接图进行优化.实验结果验证了所提算法的有效性.This paper presents a two-level simultaneous localization and mapping （SLAM） method based on distributed perception that allows us to obtain accurate grid maps of large environments. At local map level, a new local map is built based on information from the robot laser sensor and odometry using a Rao-Blackwellized particle filter （RBPF） method once the robot enters a new camera visual field. Meanwhile, we also solve the camera-calibration problem by using a marker attached to the robot which moves in a curve fashion in the camera visual field. The global level is an adjacency graph whose arcs are labeled with the constraints between local maps. To obtain an accurate and globally consistent map, a stochastic gradient descent （SGD） algorithm is employed to optimize the existed adjacency graph. Experimental results illustrate the validity of the presented approach.

关 键 词：同时定位与地图创建 分布式感知 RAO-BLACKWELLIZED粒子滤波器 随机梯度下降法 

分 类 号：TP24[自动化与计算机技术—检测技术与自动化装置]