[發明專利]基于全局最優數據融合的分布式SLAM方法

有效

• 申請號: 201610166273.2
• 申請日: 2016-03-22
• 公開（公告）號: CN105737832B
• 公開（公告）日: 2019-03-22
• 發明（設計）人: 裴福俊;武小平;程雨航;嚴鴻
• 申請（專利權）人: 北京工業大學
• 主分類號: G01C21/20
• 分類號: G01C21/20
• 代理公司: 北京思海天達知識產權代理有限公司 11203
• 代理人: 沈波

本發明公開了基于全局最優數據融合的分布式SLAM方法，本方法是利用分布式的結構將整個狀態向量分為機器人位姿估計和路標估計共五維狀態，將本應以矩陣形式集中計算的描述機器人位姿的觀測分布概率公式進行分布化處理，依據每個有效路標點單獨建立多個相互平行獨立的子濾波器，然后將子濾波器的機器人的位姿估計結果在主濾波器中進行融合，并將子濾波器的融合結果通過全局預測器反饋修正，最后得到全局最優的機器人位姿估算結果。最后通過真實實驗使用本發明算法和集中式算法對比，證明了本方法的可行性和有效性。

技術領域

基于全局最優數據融合的分布式擴展卡爾曼SLAM算法是利用分布式的結構將整個狀態向量分為機器人位姿估計和路標估計共五維狀態，將本應以矩陣形式集中計算的描述機器人位姿的觀測分布概率公式進行分布化處理，依據每個有效路標點單獨建立多個相互平行獨立的子濾波器，然后將子濾波器的機器人的位姿估計結果在主濾波器中進行融合，并將子濾波器的融合結果通過全局預測器反饋修正，最后得到全局最優的機器人位姿估算結果。屬于機器人自主導航領域。

背景技術

SLAM(Simultaneous Localization and Mapping)即同步定位與地圖構建，其基本思想是：讓機器人在未知環境中從未知位置開始移動,通過自身所帶傳感器掃描到的路標點的信息進行自身位置估計，同時構建增量式地圖。在SLAM過程中，根據觀測信息進行實時的地圖估計與更新，其中濾波器設計，數據融合算法都是關鍵問題。SLAM中的數據融合是指利用計算機技術對按時序獲得的機器人傳感器的觀測信息在一定準則下加以自動分析、綜合以完成所需的決策和估計任務而進行的信息處理過程。機器人傳感器系統是數據融合的硬件基礎，多源信息是數據融合的加工對象，協調優化和綜合處理是數據融合的核心。

基于分布式結構的SLAM算法是與集中式SLAM算法相對應的，集中式濾波器結構是用一個濾波器完成對位姿與環境地圖的同時估計，這種結構中的狀態向量均是包括機器人和路標信息的高維向量，并且狀態向量維數將隨環境動態時變增加，必然造成集中式SLAM算法存在計算量大、穩定性和容錯性差等問題。

目前，數據融合方法主要包括基于對象的統計特性和概率模型的方法、直接對數據源操作的方法、基于規則推理的方法這三大類。其中基于對象的統計特性和概率模型的方法主要包括Kalman濾波法、貝葉斯估計法、多貝葉斯估計法和統計決策理論法。直接對數據源操作的方法主要有加權平均法和神經網絡法。基于規則推理的方法主要有D-S證據理論、產生式規則法、模糊集理論法和粗糙集理論等算法。

上述方法各有特點，也存在一些不足，主要體現在：

(1)未形成基本的理論框架和有效廣義模型及算法。

雖然數據融合的應用已相當廣泛，但是，數據融合本身至今未形成基本的理論框架和有效的廣義模型及算法。其絕大部分工作都是針對特定應用領域內的問題來開展研究，也就是說，目前對數據融合問題的研究都是根據問題的種類，各自建立直觀認識原理(即融合準則)，并在此基礎上形成所謂的最佳融合方案，如典型的分布式檢測融合，已從理論上解決了最優融合準則、最優局部決策準則和局部決策門限的最優協調方法，并給出了相應的算法。但這些研究反映的只是數據融合所固有的面向對象的特點，也就難以構成數據融合這一獨立學科所必需的完整理論體系。這一理論短缺現象阻礙了研究者對數據融合本身的深入認識，也使得數據融合在某種程度上僅被看成是一種多傳感器信息處理概念。人們無法對面向對象的融合系統做出綜合分析和評估，使得融合系統的設計帶有一定的盲目性。

(2)關聯的二義性是數據融合中的主要障礙。

在進行數據融合之前，必須對信息進行關聯，以保證所融合的信息是來自同一目標或事件，及保證融合信息的一致性。如果對不同目標或事件的信息進行融合，將難以使系統得出正確的結論，這一問題稱為關聯的二義性，是數據融合中克服的主要障礙。由于在多傳感器信息系統中引起關聯二義的原因很多，例如傳感器測量的不精確性、干擾等，因此，怎樣確立信息可融合性的判斷準則，如何進一步降低關聯的二義性已成為融合研究領域亟待解決的問題。