移动机器人同时定位与地图创建研究进展

对移动机器人的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SLAM 面临的问题,介绍了SLAM的基本实现方法.通过对各种改进的SLAM实现方法的性能对比,详尽地分析了如何降低SLAM的复杂度、提高SLAM的鲁棒性等关键技术问题,同时对多机器人协作的SLAM也进行了论述.探讨了SLAM的研究与发展方向.􀁱     

基于主动环形闭合约束的移动机器人分层同时定位和地图创建

基于Rao-Blackwellized 粒子滤波器提出了一种基于主动闭环策略的移动机器人分层同时定位和地图创建(simultaneous localization and mapping, SLAM)方法,基于信息熵的主动闭环策略同时考虑机器人位姿和地图的不确定性;局部几何特征地图之间的相对关系通过一致性算法估计,并通过环形闭合约束的最小化过程回溯修正.在仅有单目视觉和里程计的基础上,建立了鲁棒的感知模型;通过有效的尺度不变特征变换(scale invariant feature transform, SIFT)方法提取环境特征,基于KD-Tree的最近邻搜索算法实现特征匹配.实际实验表明该方法为实现SLAM提供了一种有效可靠的途径.     

移动机器人的同时定位与地图创建的算法研究

移动机器人的同时定位与地图创建是当前机器人领域研究的基本问题与热点,也是实现智能机器人实现自主导航和控制决策的关键。本文从基于贝叶斯滤波器模型和基于图优化平滑模型两个方面对移动机器人同时定位与地图创建( SLAM)的研究进行了综述,介绍了这两种模型的基本框架以及关键技术,阐述了模型的各种不同实现形式,分析了这些算法的性能,并探讨了这些算法的优缺点以及相关难点的解决思路。最后对基于滤波器模型和基于平滑模型的同时定位与地图创建的未来发展进行展望。     

基于差分粒子滤波器-差分滤波器的同时定位与地图创建方法

针对目前FastSLAM改进算法存在复杂度高的问题,提出一种基于差分粒子滤波器(DDPF)-差分滤波器(DDF)的同时定位与地图创建方法。该方法采用DDPF估计机器人路径,采用DDF估计陆标位置,同时采用可选重采样以降低样本贫化的概率。实验结果表明,该方法具有精度高、连贯性好以及复杂度适中的特点。     

基于粒子滤波器的移动机器人定位和地图创建研究进展

首先,对粒子滤波器的原理和研究进展进行了综述．然后,介绍了基于粒子滤波器的移动机器人定位研究进展．其次,给出了粒子滤波器在移动机器人地图创建领域的最新成果．最后,对粒子滤波器在移动机器人研究领域的未来发展方向进行了展望．     

基于粒子滤波的未知环境下机器人同时定位、地图构建与目标跟踪

为了解决机器人在未知环境下的目标跟踪问题,提出了一种基于粒子滤波的机器人同时定位、地图构建与目标跟踪方法．该方法采用Rao-Blackwellized粒子滤波器对机器人位姿状态、标志柱分布和目标位置同时进行估计．该方法中,粒子群的总体分布情况表征机器人位姿状态,而每个粒子均包含2类EKF滤波器,其中一类用来完成对标志柱分布的估计,另一类用来完成对目标状态的估计,粒子的权值则由粒子状态相对于标志柱和目标状态2类相似度共同产生．通过仿真和实体机器人实验验证了该方法的有效性．     

基于局部子地图方法的多机器人主动同时定位与地图创建

研究了多机器人在未知环境下以主动的方式协作完成同时定位与地图创建（SLAM）的问题．引入局部子地图方法,由每个机器人建立自身周围局部区域的子地图,使多个机器人之间的地图创建相互独立,从而对全局环境的SLAM问题进行分解．而每个机器人在建立局部子地图时将主动SLAM问题转化为多目标优化问题;机器人选取最优的控制输入,使定位与地图创建的准确性、信息增益以及多机器人之间的协调关系得到综合优化．最后,通过扩展的卡尔曼滤波器（EKF）对子地图进行融合得到全局地图．仿真结果验证了该方法的有效性．     

未知环境下移动机器人同步地图创建与定位研究进展

移动机器人同步地图创建与定位(SLAM)是移动机器人的核心研究课题.本文对SLAM的最新研究进展和关键技术进行了综述:并从地图创建模型、计算复杂度和算法鲁棒性等方面对现有方法进行了对比分析.最后总结分析了SLAM研究存在的难题,探讨了今后的发展方向.     

基于环境特征的机器人同时定位与地图创建

移动机器人同时定位和地图创建是实现移动机器人完全自主导航的关键.本文提出了一个通用的移动机器人同时定位与地图创建基本框架,接着对扩展卡尔曼滤波器算法进行了详细的分析,最后通过基于点特征和扩展卡尔曼滤波器的同时定位与地图创建仿真实验,验证了框架的可行性.目的是为开展同时定位与地图创建的研究提供一种可行的研究方案,以推动我国移动机器人技术的发展.     

基于图优化的同时定位与地图创建综述

基于图优化的同时定位与地图创建(SLAM)是当前机器人领域的研究热点.从帧间配准、环形闭合检测以及优化技术3个主要方面对基于图优化的同时定位与地图创建进行综述.对每一个方面,阐述其关键技术,介绍最新研究进展,并探讨相关难点问题及解决思路.最后,对基于图优化的同时定位与地图创建的发展作出展望.     

移动机器人同步定位与地图构建研究进展

同步定位与地图构建（Simultaneous localization and mapping, SLAM）作为能使移动机器人实现全自主导航的工具近来倍受关注.本文对该领域的最新进展进行综述,特别侧重于一些旨在降低计算复杂度的简化算法的分析上,同时对它们进行分类,并指出其优点和不足.本文首先建立了SLAM问题的一般模型,指出了解决SLAM问题的难点;然后详细分析了基于EKF的一些简化算法和基于其他估计思想的方法;最后,对于多机器人SLAM和主动SLAM等前沿课题进行了讨论,并指出了今后的研究方向.     

基于全景视觉的移动机器人同步定位与地图创建研究

提出了一种基于全景视觉的移动机器人同步定位与地图创建（Omni-vSLAM）方法．该方法提取 颜色区域作为视觉路标;在分析全景视觉成像原理和定位不确定性的基础上建立起系统的观测模型,定位出 路标位置,进而通过扩展卡尔曼滤波算法（EKF）同步更新机器人位置和地图信息．实验结果证明了该方法在 建立环境地图的同时可以有效地修正由里程计造成的累积定位误差．     

移动机器人同步定位与建图技术综述

同步定位与建图技术(SLAM)一直是移动机器人领域比较热门的研究方向,它可以给机器人提供强大的环境感知能力;传统的依靠外部位置参考来定位的方法如果无法获得时,移动机器人需要即时定位自身位置来构建增量式地图,因此SLAM技术也就应运而生;对激光SLAM和视觉SLAM的研究现状及最新标志性成果进行了介绍,重点对以相机与激光雷达融合、相机与IMU融合、激光雷达与IMU融合为代表的多传感器融合SLAM技术展开讨论、系统地梳理了几种融合方式的优势与不足,同时介绍了该领域的研究热点语义SLAM,最后讨论了SLAM技术在该领域未来的发展方向以及存在的挑战。     

Experimental Study of Iterated Kalman Filters for Simultaneous Localization and Mapping of Autonomous Mobile Robots

In this paper, we investigate the role of iteration in Kalman filters family for improvement of the estimation accuracy of states in simultaneous localization and mapping (SLAM). The linearized error propagation existing in Kalman filters family can result in large errors and inconsistency in the SLAM problem. One approach to alleviate this situation is the use of iteration in extended Kalman filter (EKF) and sigma point Kalman filter (SPKF) based SLAM. The main contribution is to present that the iterated versions of Kalman filters can increase consistency and robustness of these filters against linear error propagation. Experimental results are presented to validate this improvement of state estimate convergence through repetitive linearization of the nonlinear observation model in EKF-SLAM and SPKF-SLAM algorithms.     

Novel Sonar Salient Feature Structure for Extended Kalman Filter-Based Simultaneous Localization and Mapping of Mobile Robots

Abstract

Not all line or point features capable of being extracted by sonar sensors from a cluttered home environment are useful for simultaneous localization and mapping (SLAM) of a mobile robot. This is due to unfavorable conditions such as environmental ambiguity and sonar measurement uncertainty. We present a novel sonar feature structure suitable for a cluttered environment and the extended Kalman filter (EKF)-based SLAM scheme. The key concept is to extract circle feature clouds on salient convex objects by sonar data association called convex saliency circling. The centroid of each circle cloud, called a sonar salient feature, is used as a natural landmark for EKF-based SLAM. By investigating the environmental inherent feature locality, cylindrical objects are augmented conveniently at the weak SLAM-able area as a natural supplementary saliency to achieve consistent SLAM performance. Experimental results demonstrate the validity and robustness of the proposed sonar salient feature structure for EKF-based SLAM.     

A Probabilistic Approach to Concurrent Mapping and Localization for Mobile Robots

This paper addresses the problem of building large-scale geometric maps of indoor environments with mobile robots. It poses the map building problem as a constrained, probabilistic maximum-likelihood estimation problem. It then devises a practical algorithm for generating the most likely map from data, along with the most likely path taken by the robot. Experimental results in cyclic environments of size up to 80×25 m illustrate the appropriateness of the approach.     

A Probabilistic Approach to Concurrent Mapping and Localization for Mobile Robots

This paper addresses the problem of building large-scale geometric maps of indoor environments with mobile robots. It poses the map building problem as a constrained, probabilistic maximum-likelihood estimation problem. It then devises a practical algorithm for generating the most likely map from data, along with the most likely path taken by the robot. Experimental results in cyclic environments of size up to 80 by 25 meter illustrate the appropriateness of the approach.     

一种基于特征地图的移动机器人SLAM方案

设计了一种结构化环境中基于特征地图的地图创建方案;采用激光测距仪进行特征地图创建,利用"聚合-分害虫-聚合"的方法来提取线段表示环境信息实现局部地图创建;为了实现移动机器人的同时定位与地图创建,采用扩展卡尔曼滤波方法对机器人的位姿与地图信息进行预测及更新,结合状态估计和数据关联理论,实验显示x的校正量保持在±0.9cm之内;y的校正量保持在±2.5cm之内;θ的校正量在±1.2之内,实现了基于扩展卡尔曼滤波器的SLAM.