基于联合相容分支定界的关联算法研究

联合相容分支定界算法(Joint Compatibility Branch and Bound,JCBB)充分考虑传感器量测之间的相关性和重新匹配关联的可能,但计算量随观测数目成指数增长。为优化其计算复杂度和关联准确度,以最近邻算法(Nearest Neighbour,NN)进行关联,对符合重复度和经过设定步数的情况使用JCBB进行特征匹配,并以互斥准则和最优准则来提高关联准确度。引入机器学习领域的评价测度对改进后算法和JCBB算法进行比较,结果表明,改进后的关联算法能够保证更好的关联准确度。

一种改进的联合相容SLAM数据关联方法

数据关联是SLAM的难点之一。联合相容分枝定界算法(JCBB)虽能得到可靠的关联结果,但计算量随观测数目的增加而迅速提高,实时应用受到限制。通过给定联合相容配对个数的上限,对JCBB算法进行了改进,提出了一种快速JCBB算法(FJCBB)。FJCBB与JCBB有相同的关联效果,但计算量随观测数目的增加变化缓慢。当观测数目较大时,FJCBB的计算时间大幅减小,优势十分明显。最后,通过大量实验,验证了该方法的有效性。

一种改进的几何约束分枝定界SLAM重定位算法

重定位技术是机器人在已有SLAM地图的环境中依靠自身传感器重新获得定位信息的关键技术。几何约束分枝定界重定位(GCBB)算法是一种有效的方法,但是其存在计算速度慢的缺点。针对GCBB算法的不足,从两个方面对其进行改进:一是采用分组方式进行数据关联;二是结合传感器探测范围在局部区域中选择特征进行数据关联。仿真结果表明,所提出的快速几何约束分枝定界重定位(FGCBB)算法能够正确实现重定位,且计算复杂度与观测数目两者之间服从线性关系,当处理观测数目较多的问题时,FGCBB的计算效率明显优于GCBB算法。

SLAM问题的一种优化数据关联算法

联合相容分支定界算法(JCBB)存在"计算复杂度高"等缺点.为了优化JCBB算法在准确度和计算复杂度方面的性能,对它进行了三处改进:一是采用互斥准则和最优准则来提高关联的准确度;二是根据机器人的位姿和传感器的测量范围将数据关联限定在局部可能区域中;三是自适应地进行分批数据关联.仿真实验结果表明,优化JCBB算法(OJCBB)在保证准确度的同时大大降低了计算复杂度.Victoria Park Dataset实验表明,OJCBB算法的数据关联结果是可信的,而且OJCBB算法的计算效率远远高于JCBB算法.

货物不相容车辆路径问题的优化

考虑现实生活中每个客户定制的货物不可用同一辆车混装,或者多个客户的货物不可混装的问题,建立了基于车辆载重、行驶里程、多种车型等约束条件的货物不相容的多车型车辆路径问题的数学模型,应用基于精英选择、混沌变异及模拟退火机制的混合遗传算法求解。将该算法应用到benchmark算例上,并与分支定界算法求解的结果比较,结果表明提出的算法优于分支定界算法。

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。

移动机器人同步定位的数据关联优化控制

在移动机器人同步定位与构图(SLAM)问题中,在大规模复杂环境下,由于传统数据关联算法的速度和正确率随着地图规模的增长而降低,导致难以满足实时性和鲁棒性的要求。为提高定位性能,根据联合相容分支定界(JCBB)算法,提出了一种改进的IJCBB数据关联算法用于移动机器人同步定位优化控制。首先建立地图的KD树模型,生成优化候选路标集,以缩小关联搜索空间,提升关联速度;其次构造增补关联规则,对JCBB算法的初步关联结果进行增补再关联,提升关联正确率。仿真结果表明:IJCBB算法的关联速度和关联正确率均优于传统关联算法,具有较高的实时性和鲁棒性。

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.