检索结果-内蒙古大学图书馆

作者：李永强哈尔滨工业大学

学位级别：硕士

在移动机器人导航领域,未知环境下的同步定位与地图创建(SLAM)是研究的难点和热点。在SLAM问题中,机器人要在自身位置和环境地图信息都未知的前提下,递增地创建导航环境地图并同时用这一地图实现自身定位。对SLAM问题的解决具有着十分... 详细信息

在移动机器人导航领域,未知环境下的同步定位与地图创建(SLAM)是研究的难点和热点。在SLAM问题中,机器人要在自身位置和环境地图信息都未知的前提下,递增地创建导航环境地图并同时用这一地图实现自身定位。对SLAM问题的解决具有着十分重要的理论和应用价值,是否具备同步定位与地图创建的能力被认为是移动机器人能否实现真正的自主性的关键。 SLAM问题最基本的解决方法是基于扩展卡尔曼滤波(EKF)的估计算法,它能提供SLAM问题的最优解,但存在着计算复杂度过大(与环境特征成平方关系)的问题。这一问题限制了它在大范围环境下的应用。本文针对EKF-SLAM算法的计算复杂度问题,研究了一种基于信息滤波的改进算法,即稀疏扩展信息滤波(SEIF)算法,它是在EIF(EKF的信息形式)算法基础上通过稀疏化处理后得到的。本文对该算法的结构作了详细推导,并对算法模型进行了分析。算法分析表明,SEIF算法的计算复杂度是恒定的,而与环境特征的个数无关。这意味着基于SEIF的SLAM算法在环境特征很多的大范围环境下具有很高的应用价值。本文在基于SEIF的SLAM算法模型建立的基础上,对其进行了仿真和实验分析。仿真结果表明算法的估计是准确的,并没有因为稀疏化处理引入大的估计误差。从而验证了算法的有效性。通过利用Car Park真实实验数据进行的实验研究进一步验证了这一点。本文还将SEIF与EKF进行了仿真和实验比较,结果表明虽然SEIF的估计误差要比EKF稍大,但在计算时间和占用内存上SEIF要远远优于EKF。这也充分说明了SEIF算法在计算复杂度上较之于EKF的优越性。

关键词：同步定位与地图创建扩展卡尔曼滤波稀疏扩展信息滤波

来源：评论

学校读者我要写书评

暂无评论

基于稀疏扩展混合滤波的信标辅助月面着陆导航方法

引用

中国惯性技术学报 2020年第6期28卷 748-754页

作者：李云天穆荣军单永志崔乃刚哈尔滨工业大学航天学院哈尔滨150001 中国兵器工业集团航空弹药研究院哈尔滨150001

针对月面着陆信标辅助导航中存在的信标位置不确定问题,提出了一种基于稀疏扩展混合滤波(SEHF)的信标辅助导航方法。首先采用稀疏扩展信息滤波(SEIF)进行量测更新过程,实现对着陆器当前位置、速度及月面信标位置的联合估计。在此基础上... 详细信息

针对月面着陆信标辅助导航中存在的信标位置不确定问题,提出了一种基于稀疏扩展混合滤波(SEHF)的信标辅助导航方法。首先采用稀疏扩展信息滤波(SEIF)进行量测更新过程,实现对着陆器当前位置、速度及月面信标位置的联合估计。在此基础上,进一步采用"均值矢量+信息矩阵"的混合形式进行状态预测过程,以提高算法在异步量测下的计算效率。仿真结果表明,所提出方法的收敛速度和估计精度均优于传统扩展卡尔曼滤波(EKF),且相较于原始SEIF可缩短16%左右的计算耗时;此外,当信标位置存在150 m (1σ)初始误差时,所提出方法的着陆点位置估计优于50 m (CEP)。

关键词：无线电信标稀疏扩展信息滤波组合导航月面着陆

来源：评论

学校读者我要写书评

暂无评论

基于传感器信息融合的移动机器人定位与地图创建研究

基于传感器信息融合的移动机器人定位与地图创建研究

引用

作者：夏益民广东工业大学

学位级别：博士

随着移动机器人应用环境的日趋复杂和非结构化,探测未知环境已经成为移动机器人研究领域中的一个重要研究方向和基础性难题。作为移动机器人智能导航和环境探索研究的重要基础,机器人在未知环境中的定位与同时定位和地图创建(Simultaneo... 详细信息

随着移动机器人应用环境的日趋复杂和非结构化,探测未知环境已经成为移动机器人研究领域中的一个重要研究方向和基础性难题。作为移动机器人智能导航和环境探索研究的重要基础,机器人在未知环境中的定位与同时定位和地图创建(Simultaneous Localization and Mapping, SLAM)在机器人技术领域受到众多学者的极大关注。所谓定位是指机器人在移动过程中根据位姿估计和传感器数据进行自身定位；所谓同时定位和地图创建,是指机器人在进行自身定位的同时创建增量式地图。由于SLAM问题的解法可以使机器人实现真正的自主导航,因此在过去十几年中SLAM问题逐渐成为移动机器人领域的研究热点。本文在搜集、整理国内外基于传感器信息融合的移动机器人定位及SLAM研究的相关文献资料基础上,作深入的综合、分析,并对其进行研究。主要研究工作如下： (1)基于GP-SRCKF的机器人定位方法。针对卡尔曼滤波算法及其变种过度依赖系统动态模型和系统噪声协方差的先验知识,使得这些方法在估计性能上受到很大约束,将高斯过程(Gauss Process, GP)回归引入平方根数值积分卡尔曼滤波器(Square-Root Cubature Kalman Filter, SRCKF),提出了一种非确定系统模型的变协方差GP-SRCKF滤波算法。该方法不需要确定的系统模型,高斯过程回归通过对采样数据的学习得到准确的系统噪声协方差,且在滤波估计过程中能实时自适应调整,其应用范围和估计精度都得到了提高。将该方法应用于单机器人定位中,仿真结果表明该方法有效地提高了定位精度。 (2)基于PSO-PF的机器人定位方法。针对当位于高似然区域的粒子数目少时,传统粒子滤波会发生样本贫化,提出一种基于粒子群优化(Particle Swarm optimization, PSO)的粒子滤波(Particle Filter, PF)机器人定位方法。该方法在粒子滤波的预测阶段采用粒子群优化计算,使得该阶段实时考虑陆标的最新观测信息,驱动所有粒子向高似然概率区域运动,从而减少样本贫化的可能性。此外,该方法还运用自适应重采样,只在需要时才进行重采样,减少重采样的次数,尽量保证好样本不被删除,进一步提高算法的性能。将该方法应用于单机器人定位和多机器人协作定位中,实验表明该方法提高了机器人定位精度。 (3)基于DDPF-DDF的机器人SLAM方法。针对FastSLAM中扩展卡尔曼滤波器(Extended Kalman Filter, EKF)在估计中对非线性系统模型进行一阶线性化引入较大的线性化误差和粒子滤波重采样容易导致样本贫化等问题,提出一种基于DDPF-DDF的SLAM方法。该方法在估计机器人位姿时采用DDPF (Divided Difference Particle Filter, DDPF),在进行路标位置估计和地图更新时采用差分滤波器(DividedDifference Filter, DDF)。该方法不需要计算非线性运动模型和观测模型的雅可比方程,具有更高的估计精度,而且采用自适应重采样降低了样本退化的概率。将该方法应用到单机器人和多机器人协作SLAM中,仿真结果显示该方法提高了SLAM精度,增强了算法连贯性 (4)基于改进SEIF的机器人SLAM方法。针对稀疏扩展信息滤波(Sparse Extended Information Filter, SEIF)采用Markov带进行数据关联,忽略与机器人位姿和陆标有间接关系的连接,导致获取的协方差估计过于自信的问题,提出一种改进SEIF方法,该方法在数据关联部分通过增广线性系统来获取与通过对矩阵求逆得到的理想协方差相比保守的边缘协方差估计。该方法在SLAM信息滤波器中能有效获取和维持一致的协方差,提高了数据关联的可靠性。将该方法应用于单机器人SLAM中,仿真实验表明,与SEIF相比,改进算法降低了数据关联的不确定性,提高了估计精度。论文的最后对全文的研究内容进行了总结,说明了研究的创新点及主要研究成果,并指出了要进一步研究的问题。

关键词：移动机器人定位同时定位与地图创建平方根数值积分卡尔曼滤波器粒子滤波 FastSLAM 稀疏扩展信息滤波

来源：评论

学校读者我要写书评

暂无评论

移动机器人同时定位与地图创建方法研究

移动机器人同时定位与地图创建方法研究

引用

作者：郭剑辉南京理工大学

学位级别：博士

地面自主移动机器人是一种能够在各种地面环境中连续自主运动的车辆,其发展对国防、社会、经济和科学技术具有重大的影响力,已成为各国高科技领域的战略性研究目标。而自主导航是自主移动机器人的一个最基本需求。同时定位与地图创建方... 详细信息

地面自主移动机器人是一种能够在各种地面环境中连续自主运动的车辆,其发展对国防、社会、经济和科学技术具有重大的影响力,已成为各国高科技领域的战略性研究目标。而自主导航是自主移动机器人的一个最基本需求。同时定位与地图创建方法(SLAM)允许机器人在未知环境中,依靠自身所带的传感器递增式地创建环境地图,并同时给出机器人所在位置。自上世纪九十年代开始,该方法就吸引了国内外大量的研究者,并由于其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导航机器人的关键。近十年来,SLAM取得了令人瞩目的进展,并在室内、室外、水下、空中等多种环境下得到了实践。本文对移动机器人同时定位与地图创建方法进行了研究,在传统方法的基础上,提出了一些改进算法及新的解决方案,以提高SLAM算法的估计精度、一致性及计算效率,扩展其使用范围。具体的研究内容包括以下几个方面: 1.从不确定性分析入手,在对SLAM中的相关性进行详细深入分析的基础上,得到了特征稀疏的两个标准,进而提出了相关优先的特征稀疏策略,从而减少大量的计算负担,计算误差却和一般传统方法相当。 2.将SUT(scaled unscented transformation)变换运用到EKF SLAM算法中,研究了SLAM的线性化问题。 3.针对Rao-Blackwellised粒子滤波SLAM(RBPF SLAM)算法的不一致现象,采用归一化估计方差(NEES)对算法的一致性进行了分析,得出粒子耗尽是造成算法不一致的原因,并分别采用辅助粒子滤波及正则粒子滤波对算法的重采样过程进行改进,提高了算法的一致性。 4.针对普通粒子滤波容易受到粒子耗尽的影响,提出了一种新的粒子滤波SLAM算法。该算法将边缘粒子滤波技术(marginal particle filter,MPF)运用到SLAM中,并利用Unscented卡尔曼滤波(UKF)来计算提议分布。新算法避免了从不断增长的高维状态空间采样,非常有效地提高了算法中的有效粒子数,大大降低了粒子的权值方差,保证了粒子的多样性,同时也满足一致性要求。 5.为了改善稀疏扩展信息滤波SLAM的性能,结合相关性分析,提出了一种改进的稀疏规则:完备信息稀疏规则。该稀疏规则考虑了预测时刻的观测信息,保留了与机器人相关性最强的主动特征。在不增加计算负担的情况下,提高了算法的精度及一致性。并对各种稀疏规则进行了深入的分析,就其优劣进行了比较,提出了一种组合的稀疏规则,以综合各自的优势,扩展使用环境范围。 6.对SLAM中的联合数据关联方法进行了研究,提出了一种快速联合相容分枝定界算法。该方法通过给定每次联合相容配对个数的上限,来达到在观测数目较大时减少计算量的目的。当观测个数大于给定上限时,将分批进行数据关联,然后把结果组合起来。采用这种方法后,关联结果与一般的联合相容分枝定界算法差别很小,但计算量却大大降低。 7.对SLAM问题中的重定位方法进行了研究,提出了一种改进的随机采样重定位方法。随机采样重定位的搜索部分的计算复杂度与观测数目成指数关系,当观测数目较大时,可通过快速联合相容分枝定界思想来达到减少计算量的目的。同时,在重定位算法中,为了防止误关联,一般会给定一个关联配对数的界限,只有配对数大于该界限时,才认为重定位是可靠的。但是,在很多情况下得到的配对数是小于给定界限的。通过引入运动约束来检验配对数较小时重定位的可靠性,以决定是否信任此时的重定位结果,达到提高重定位算法可用性的目的。本文在最后一章对全文进行了总结,并且对今后进一步的研究方向进行了展望。

关键词：同时定位与地图创建扩展卡尔曼滤波粒子滤波一致性相关性 scaledunscented变换稀疏扩展信息滤波稀疏规则数据关联联合相容分枝定界算法重定位

来源：评论

学校读者我要写书评

暂无评论

同步定位与地图构建技术中的数据关联问题

同步定位与地图构建技术中的数据关联问题

引用

作者：王要强哈尔滨工业大学

学位级别：硕士

同步定位与地图构建(SLAM)属于自主机器人导航的范畴,是自主机器人在未知环境中实现自主导航和完成复杂任务的关键,集中体现了机器人的感知能力和智能水平。SLAM问题的解决对自主机器人实现真正意义的“自主”有着十分重大的意义,并已... 详细信息

同步定位与地图构建(SLAM)属于自主机器人导航的范畴,是自主机器人在未知环境中实现自主导航和完成复杂任务的关键,集中体现了机器人的感知能力和智能水平。SLAM问题的解决对自主机器人实现真正意义的“自主”有着十分重大的意义,并已成为近年来自主机器人领域中研究的热点。基于扩展卡尔曼滤波的同步定位与地图构建算法(EKF-SLAM)是机器人SLAM问题的基本算法,然而存在着运算复杂度大、不适合大地图复杂环境的问题。有鉴于此,本文在EKF-SLAM基础上,研究了一种基于稀疏扩展信息滤波的自主机器人同步定位与地图构建算法(SEIF-SLAM)。SEIF-SLAM通过对信息矩阵的稀疏化处理,忽略掉与当前机器人关联较弱的关联,使表征机器人位置及环境地图不确定性的状态协方差矩阵限制到一个较小的维数,从而使SEIF-SLAM运算复杂度得到有效降低。 SEIF-SLAM的目标是设计一种可恒时更新的近似SLAM算法,该算法在预测和更新阶段均可实现恒时更新,但数据关联算法尚不具有恒时特点,成为限制其应用的主要障碍。为了解决数据关联问题,本文结合SEIF-SLAM的特点探索了四种可应用于SEIF-SLAM的数据关联算法:全局协方差、局部协方差、扩大搜索维度及混合型数据关联算法。数据关联时通过信息矩阵求逆获得所需协方差信息的方法称为全局协方差数据关联法。该算法是一种较为精确和使用广泛的算法,其缺点是计算复杂度较大。局部协方差数据关联算法引入了马尔科夫带的概念,对关联概率实施近似处理,使得数据关联过程中仅仅对维数较小的子矩阵进行操作。仿真实验表明,该算法在机器人运动轨迹形成闭合环路之前是有效的,且单位时间内能够保持运算量恒定,有效降低了运算复杂度。为了解决机器人运动轨迹形成闭合回路后的数据关联问题,提出了一种扩大搜索维度的数据关联算法。该算法在对关联概率近似处理的同时,在空间概念上扩大路标匹配的搜索范围,以保证形成闭合环路处的邻近路标都包含在该匹配范围之内,从而解决形成闭合环路时的数据关联问题。仿真实验表明,在形成闭合环路后该数据关联算法是有效的,但关键参数要凭借经验来选取。为了提高数据关联算法的通用性,在考虑全局协方差型、局部协方差型及扩大搜索维度数据关联算法的基础上,提出了混合型的数据关联算法。该算法除了在闭合回路处需要对协方差矩阵进行全局更新外,其他位置均用局部协方差进行关联匹配,保证数据正确关联的同时降低了运算复杂度。仿真实验表明,混合型算法稳定性高,通用性强,除闭合回路处外均可以恒时执行,计算量小,工程实用性强,在大地图复杂环境下有着较高的实用价值。

关键词：同步定位与地图构建稀疏扩展信息滤波数据关联

来源：评论

学校读者我要写书评

暂无评论

基于卡尔曼滤波和粒子滤波的移动机器人同时定位与地图创建研究

基于卡尔曼滤波和粒子滤波的移动机器人同时定位与地图创建研究

引用

作者：王帆西安工程大学

学位级别：硕士

移动机器人技术是集控制科学，计算机科学，人工智能科学，导航科学等为一体的前沿高新技术。移动机器人同时定位与地图创建(Simultaneous Localization And Mapping或SLAM)是智能移动机器人技术的一项关键技术。移动机器人同时定位与... 详细信息

移动机器人技术是集控制科学，计算机科学，人工智能科学，导航科学等为一体的前沿高新技术。移动机器人同时定位与地图创建(Simultaneous Localization And Mapping或SLAM)是智能移动机器人技术的一项关键技术。移动机器人同时定位与地图创建问题的定义是：移动机器人在未知环境下，依靠自身携带的传感器获得环境信息和自身的位姿信息，进行自身的定位，同时创建地图。本论文的研究内容如下：基于扩展卡尔曼滤波的SLAM(EKF-SLAM)算法的难题是：移动机器人定位与地图创建的精度低。解决该问题提出了基于分布式状态融合的EKF-SLAM算法。具体是：(1)对传感器信息融合技术进行了详细的论述。其中包括：按矩阵加权线性最小方差最优融合理论，按标量加权线性最小方差最优融合理论；(2)将多传感器分布式融合技术融入到EKF-SLAM中，提出了基于分布式状态融合的EKF-SLAM算法。算法是按标量加权线性最小方差最优融合理论来实现的。MATLAB仿真实验表明，该算法提高了移动机器人定位与地图创建的精度。对粒子滤波和信息滤波进行了完整的论述。目前粒子滤波SLAM算法存在三个缺陷：(1)采样造成粒子退化现象，进而影响SLAM的精度和算法的一致性；(2)粒子滤波算法在迭代过程中只用到了当前时刻的信息，而没有使用历史信息，使得历史信息缺失。这也影响SLAM的精度和算法的一致性；(3)在保证移动机器人SLAM问题精度的前提下，如何有效地减少粒子数目，减小计算复杂度，提高算法效率问题。为了解决粒子滤波的三个难题：本论文提出了基于稀疏扩展信息滤波的粒子滤波SLAM算法(SEIF-PFSLAM)。MATLAB仿真实验表明，该算法提高了移动机器人定位与地图创建的精度，减小了粒子滤波计算复杂度，提高算法效率，同时也满足一致性要求。很好的解决了三个难题。

关键词：同时定位与地图创建扩展卡尔曼滤波标量加权线性最小方差最优融合稀疏扩展信息滤波粒子滤波基于稀疏扩展信息滤波的粒子滤波

来源：评论

学校读者我要写书评

暂无评论

基于无人机视觉的SLAM研究

基于无人机视觉的SLAM研究

引用

作者：郭润宁波大学

学位级别：硕士

近年来,随着计算机控制技术、计算机视觉技术以及人工智能技术的飞速发展,不仅使得无人机从传统的军事领域逐步融入到民用领域的各个方面,而且在无人机的工作方式上也发生了巨大的变化,从以前传统的手动遥控方式到现在的完全自主化控制... 详细信息

近年来,随着计算机控制技术、计算机视觉技术以及人工智能技术的飞速发展,不仅使得无人机从传统的军事领域逐步融入到民用领域的各个方面,而且在无人机的工作方式上也发生了巨大的变化,从以前传统的手动遥控方式到现在的完全自主化控制方式逐渐过渡。无人机的智能化与自主化发展离不开导航定位技术,传统的导航系统主要采用GPS的方式来实现;当无人机进入某些特殊环境作业时,易受到环境的干扰使得GPS信号变弱或者完全失效。为了弥补无人机基于GPS导航系统的不足,本文采用SLAM技术作为无人机的辅助导航方式。通过该技术无人机可以在没有外界信号提供的基础之上,实现周围环境地图的建立并且根据建立的环境地图来进行自身的定位。本文研究的内容是基于小型无人机单目视觉的SLAM技术。由于无人机在实际的飞行过程中是一种非平滑的运动方式,故不能采用输入控制命令的方式来预测下一时刻无人机的位姿,为此本文采用的方法是通过视觉里程计来估计下一时刻无人机的位姿。在视觉里程计的特征点提取过程中计算量非常大,本文采用实时性高的ORB算法作为图像特征点提取算法,加快图像特征点的提取速度。对于SLAM系统的算法优化部分选择了时间复杂度和空间复杂度均优于扩展卡尔曼滤波的稀疏扩展信息滤波算法;在基于无人机的SLAM系统中,系统对算法的实时性、无人机姿态估计精度及一致性方面都有更高的要求;为此在标准的稀疏扩展信息滤波SLAM技术的基础上提出了两种改进算法,首先是从稀疏化操作角度出发利用熵性质、综合当前以及下一观测时刻来选择与位姿关联性最弱的环境特征作为稀疏特征点,来提高算法的精度和一致性;然后是根据信息矩阵元素的稀疏性分布特点,利用三对角矩阵来快速求解在状态均值恢复过程中的求逆操作,来提高算法的计算效率。最后建立仿真三维环境模型,在三维环境当中预先设定好无人机的航行轨迹以及环境特征点,将改进的SEIF SLAM技术与标准的SEIF SLAM技术应用于仿真环境当中进行对比验证。仿真实验结果表明,基于熵性质的改进算法在位姿估计精度及一致性上相比标准算法有了明显的提高;基于三对角矩阵求逆的改进算法随着信息矩阵阶数逐渐增加,改进算法计算效率远快于标准算法。

关键词：小型无人机同时定位与地图构建(SLAM) 视觉里程计稀疏扩展信息滤波

来源：评论

学校读者我要写书评

暂无评论

无人机视觉同时定位与地图创建技术综述

无人机视觉同时定位与地图创建技术综述

引用

第三十届中国控制会议

作者：王希彬赵国荣潘爽海军航空工程学院控制工程系

对无人机视觉同时定位与地图创建(Simultaneous Localization and Mapping)的最新研究进行了综述。指出无人机视觉SLAM面临的挑战,建立了状态方程和量测方程,并对视觉SLAM的地标初始化技术进行了详细的归纳,总结了EKF、SEIF和FastSLAM... 详细信息

对无人机视觉同时定位与地图创建(Simultaneous Localization and Mapping)的最新研究进行了综述。指出无人机视觉SLAM面临的挑战,建立了状态方程和量测方程,并对视觉SLAM的地标初始化技术进行了详细的归纳,总结了EKF、SEIF和FastSLAM三种滤波方法在SLAM中的应用研究情况,并指出了各自的优缺点,最后探讨了无人机视觉SLAM的研究与发展方向。

关键词：无人机机器视觉同时定位与地图创建地标初始化稀疏扩展信息滤波

来源：评论

学校读者我要写书评

暂无评论

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

请选择保存的检索档案：

请选择收藏分类：

通借通还

建议与咨询 留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

请选择保存的检索档案： 新增检索档案 确定 取消

请选择收藏分类： 新增自定义分类 确定 取消

通借通还

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

请选择保存的检索档案：

请选择收藏分类：