移动机器人FastSLAM算法研究毕业设计.doc

移动机器人FastSLAM算法研究毕业设计 目 录 1 绪论 1 1.1 移动机器人定位和地图创建问题 2 1.1.1 移动机器人国内外发展状况 2 1.1.2 移动机器人的地图构建问题 3 1.1.3 机器人的定位方法 5 2 基于粒子滤波器的SLAM算法 7 2.1 SLAM的通用框架和理论模型 7 2.2 粒子滤波器定位的基本原理 8 2.3 扩展卡尔曼滤波器算法 9 2.3 粒子重采样 10 2.4 移动机器人SLAM问题描述 10 2.4.1 SLAM计算复杂度 10 2.4.2 SLAM的联合估计 11 2.4.3 SLAM的后验估计表示 11 2.4.4 SLAM公式推导 13 2.4.5 有效的数据关联 14 2.4.6 FastSLAM的粒子表示形式 15 2.4.7 FastSLAM的计算时间复杂度 16 3 模型建立 17 3.1 运动模型 17 3.2 观测模型 18 4 FastSLAM算法步骤 19 4.1 FastSLAM算法步骤 19 4.2 新位姿采样 20 4.3 环境特征估计的更新 21 5　算法流程图和代码 22 5.1 FastSLAM算法伪代码 22 5.2 FastSLAM算法流程 22 6 仿真环境建立和仿真结果 24 6.1 仿真环境介绍 24 6.2 仿真结果 24 7 总结和展望 29 参考文献 30 致谢 31  1 绪论 移动机器人的同时定位与地图创建(SLAM)问题有重要的理论与应用价值，被很多学者认为是实现真正全自主移动机器人的关键。在火灾、地震或者极地考察现场存在一些潜在危险，可能会对进入人员生命构成危险，就需要移动机器人来代替人进入这些环境，进行探测地形和检查是否有伤员的工作。民用方面可以用于自主行驶车辆或者车辆辅助驾驶系统，还有服务机器人，智能机器人，智能玩具等。军用方面可以用于对敌方控制区侦查和对危险易爆炸物的有哪些信誉好的足球投注网站和拆除。科学方面可以用于外星探索和采矿等。SLAM问题研究是实现机器人完全自主以及服务人类的关键,因此,对移动机器人SLAM的研究具有重要的理论意义和应用价值,由于自主移动机器人具有广泛的应用、巨大的经济利益和深远的科学价值，各国家和科研工作者对其相关技术发展都投入了大量的研究。在20世纪70年代末期，法国的系统分析与架构实验室LAAS）研制了HILARE机器人，这是欧洲的第一个移动机器人研究项目，HILARE安装了视觉传感器、激光测距仪和超声波传感器等设备，用二维多边形环境模型和全局坐标系统实现导航和路径规划功能。SLAM算法越来越受到人们的重视，针对移动机器人的SLAM问题，主要有基于粒子滤波器的SLAM方法和基于扩展卡尔曼滤波以及EKF的各种变种SLAM方法。SLAM(Simultaneous Localization And Mapping）问题是指把移动机器人放在未知环境中，机器人增量式地创建未知环境的连续地图，同时确定它在地图中的位置，由于SLAM问题的解法使机器人实现了真正的自主导航，所以在过去几十年中逐渐成为了移动机器人领域的研究热点。SLAM一方面为了实现精确定位，机器人需要利用位置相对确定的环境特征不断校正自身位置，一方面为了确定环境特征的位置，机器人需要了解自身所在的精确位姿。机器人的定位与地图构建有利于进一步协助运动规划和躲避障碍物，体现机器人对环境探测效率的同时又体现出对环境地图信息描述的精准程度。SLAM也称CML(Concurrent Mapping and Localization),最初于上世界80年代早期由Smith Self和Cheeseman给出了基础概率方法的解决方案[]， SLAM 问题的解决方法大致分为两类:基于概率估计的方法和非概率估计的方法。基于概率模型的方法占主导地位[]。 1.1 移动机器人定位和地图创建问题 1.1.1 移动机器人国内外发展状况 1950年和1951年，William Grey Walter研制了两个可完成自动避障等智能行为的移动机器人。在20世纪50年代初期，Marvin Minsky等人研制了具有跟踪功能的移动机器人。1956年，在由美国国防部高级研究计划局DARPA）主办的Dartmouth会议上，正式提出了“人工智能”概念，认为移动机器人应能够执行和学习有意义的任务，一定程度上能够模仿动物或的能力。1969年，Nilsson等人在斯坦福机器人研究所SRI）研制了第一个智能移动机器人Shakey，它装备了摄像机、测距仪和接触传感器等设备，并通过无线连接与DEC．PDP 10计算机相连，其任务是自动避障和运动目标跟踪。在20世纪70年代末期，Hans Moravec在SRI研制了CART移动机器人，它能够