基于嵌入式平台和子地图局部关联算法的AGV设计

为在嵌入式平台上实现同时定位与建图(SLAM)以降低硬件成本,设计了利用激光雷达的AGV,该AGV运行机器人软件平台(ROS),并采用了包括Cortex-A9内核的i.MX6Q开发板、惯性测量单元、编码器等的硬件设计。针对在SLAM过程中如何快速并准确获取数据关联结果的问题,提出了一种基于子地图局部关联算法(SLJCBB),该方法首先是接收多帧连续的激光雷达数据构建子地图,并在子地图上划分出局部关联区域,最后在局部关联区域内采用联合兼容分支定界(JCBB)算法进行数据关联。实验结果表明,采用子地图局部关联算法在提高关联准确性的同时,大大降低了关联匹配过程的计算量,提高了运算速度,满足了嵌入式平台的运算要求。

一种基于聚类分组的快速联合兼容SLAM数据关联算法

针对在移动机器人同时定位与建图(SLAM)过程中如何快速准确获取数据关联结果的问题,提出了一种基于DBSCAN(density-based spatial clustering of application with noise)聚类分组的快速联合兼容SLAM数据关联算法(DFJCBB).首先,采用局部关联策略将参与关联的特征点限定在局部地图中;其次,针对多数环境中量测都有较明显的分布,采用一种基于密度聚类的方法 DBSCAN对当前时刻的量测进行分组,从而得到若干关联度小的观测小组;最后,在每个小组中采用联合兼容分支定界(JCBB)算法进行数据关联,以获得每个小组量测与局部地图特征之间的最优关联解,并将这些关联解组合获得最终的关联结果.基于模拟器和标准数据集的仿真实验验证了该关联算法的性能,结果表明该关联算法在保证获得较高关联准确度的同时,大大降低了算法复杂度、缩短了运行时间,适用于解决不同复杂环境中的SLAM数据关联问题.

SLAM数据关联方法的比较分析

针对同时定位与地图构建中数据关联的效果好坏易受特征状态影响的问题,建立了两种仿真场景,在此基础上布置了不同间隔的特征对,分别采用最近邻算法、连续兼容最近邻算法、联合兼容算法、联合最大可能性算法进行特征关联的比较分析。结果表明:特征间隔对数据关联的结果有很大影响,对于大部分数据关联方法来说,在小的特征间隔时关联结果较差,在大的特征间隔时关联结果较好。结合特征在仿真场景中不同的位置,数据关联方法也各自显示出优劣之处以及在不同特征状态下的适用性。得出的结论将对SLAM中数据关联方法的理解与选择有积极意义。