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。

基于遗传算法的机器人自定位

为了解决中型组比赛环境下的足球机器人自定位、绑架和跟踪问题,提出一种基于遗传算法的机器人连续自定位方法.首先,从全景图像中提取出场上黑线与机器人辐射线的交点;然后,把该交点与环境地图对应黑线间距离之和的最小值做为适应度函数;最后,以机器人中心坐标做为个体,进行选择、交叉和变异操作,收敛到机器人的自定位坐标.另外,针对绑架和连续定位,在遗传算法全局自定位基础上利用梯度优化算法局部修正主位姿,提高了自定位精度和算法的鲁棒性.仿真结果和场地环境机器人自定位试验说明了该定位方法的有效性.