基于扫描匹配的室外环境SLAM方法

针对室外环境中的机器人"绑架"问题,提出了基于地图匹配的SLAM方法.该方法舍弃了机器人里程计信息,只利用局部地图和全局地图的图形相关性进行机器人定位.方法的核心是多重估计数据关联,并将奇异值分解应用到机器人位姿计算中.利用Victoria Park数据集将本算法与基于扩展卡尔曼滤波器的方法进行比较,实验结果证明了本文提出的算法的有效性.

基于局部子图匹配的SLAM方法

针对现有的SLAM解决方法在机器人被"绑架"时失效的问题,提出了基于局部子图匹配的方法。该方法对现有的SLAM解决构架进行了改进,提出交点最优匹配的特征相关算法,并且将奇异值分解方法引入机器人定位。最后,在结构化环境下将本方法和基于扩展卡尔曼滤波器的方法进行比较,讨论了基于局部子图匹配的方法在结构化环境中解决机器人"绑架"问题的有效性和可行性。

一种基于遗传算法的移动机器人自定位方法

针对移动机器人定位研究中的位姿跟踪、全局定位和"绑架"三类问题,提出一种基于遗传算法的移动机器人自定位方法.设计基于位置相似度的种群适应度计算方法,利用实值编码方式实现种群的交叉、变异,有效提高算法的实时性.针对机器人定位过程中的"绑架"现象,在常规遗传算法的基础上引入种群发散算子,减小种群匮乏效应.在此基础上,利用机器人运动模型更新种群状态实现机器人的连续定位.在实际室内环境进行机器人定位实验,证实本文算法的有效性.