多机器人协同的SLAM算法研究

针对传统的室内多机器人SLAM算法存在探索任务分配灵活低，重叠度高，导致地图融合和建图精度不高的问题。设计一个基于PSO算法的多机器人协同建图与路径规划系统。首先，采用SLAM系统中的Gmapping算法作为基础算法，加入PSO算法将地图融合问题转化为最优求解问题，即找到两个地图重叠度最高的转换矩阵，实现地图融合和多机器人协同建图。结果表明，相同室内环境下，单机器人的平均探索时间为216 s,探索覆盖率为73..38%;而双机器人的平均探索时间仅为47 s,比单机器人的探索时间低了169 s;且双机器人的探索覆盖率为99.69%,比单机器人高出了26.31%。由此说明，双机器人的探索效率和探索覆盖率更高。对比于现有的EKF-CSLAM算法和基于因子图地图融合算法，本算法的建图精度高达99.75%。地图融合和建图精度明显更佳，进一步说明提出的融合算法可提升多机器人室内环境协同建图的效率和鲁棒性。