動(dòng)態(tài)環(huán)境下自主車(chē)同時(shí)定位與建圖研究.pdf

1、同時(shí)定位與建圖(SLAM)作為自主車(chē)實(shí)現(xiàn)自主導(dǎo)航的關(guān)鍵技術(shù)，是自主車(chē)實(shí)現(xiàn)真正自主的必要條件。目前大部分的SLAM解決方案都是基于靜態(tài)環(huán)境的，而自主車(chē)所處環(huán)境一般是動(dòng)態(tài)的，因此研究動(dòng)態(tài)環(huán)境下自主車(chē)SLAM問(wèn)題具有重要的現(xiàn)實(shí)意義。
　　 動(dòng)態(tài)環(huán)境下自主車(chē)SLAM問(wèn)題主要涉及到三個(gè)方面:SLAM實(shí)現(xiàn)算法、數(shù)據(jù)關(guān)聯(lián)、動(dòng)態(tài)障礙檢測(cè)及處理。本文從這三個(gè)方面展開(kāi)對(duì)動(dòng)態(tài)環(huán)境下自主車(chē)SLAM問(wèn)題的研究，主要工作有:
　　 (1)提出了一種

2、小生境粒子群優(yōu)化的自主車(chē)快速同時(shí)定位與建圖方法。以經(jīng)典的基于粒子濾波器的FastSLAM方法為基礎(chǔ)，結(jié)合小生境技術(shù)和粒子群優(yōu)化算法，通過(guò)多模尋優(yōu)來(lái)增強(qiáng)粒子的多樣性及其尋優(yōu)能力，使得粒子更為靠近自主車(chē)真實(shí)狀態(tài)，從而改善了粒子濾波器的預(yù)估性能，提高了自主車(chē)定位和地圖構(gòu)建精度。實(shí)驗(yàn)結(jié)果表明，改進(jìn)后的FastSLAM方法性能顯著提高，能以較少的粒子達(dá)到較高的精度。
　　 (2)提出了一種基于局部地圖的混合數(shù)據(jù)關(guān)聯(lián)方法。結(jié)合經(jīng)典的ICNN

3、和JCBB數(shù)據(jù)關(guān)聯(lián)算法的優(yōu)點(diǎn)，在SLAM數(shù)據(jù)關(guān)聯(lián)過(guò)程中，首先采用ICNN算法在局部地圖中進(jìn)行數(shù)據(jù)關(guān)聯(lián)，并判斷關(guān)聯(lián)結(jié)果的正確性，若有錯(cuò)則采用JCBB算法在錯(cuò)誤匹配處周?chē)木植繀^(qū)域內(nèi)重新進(jìn)行數(shù)據(jù)關(guān)聯(lián)，以糾正錯(cuò)誤的關(guān)聯(lián)結(jié)果。實(shí)驗(yàn)結(jié)果證明了該方法具有較強(qiáng)的實(shí)時(shí)性和精確性。
　　 (3)設(shè)計(jì)了一種數(shù)據(jù)關(guān)聯(lián)過(guò)程中消除動(dòng)態(tài)障礙干擾的有效方法。該方法基于地圖特征的時(shí)空差異信息來(lái)判定動(dòng)靜態(tài)障礙，同時(shí)采用混合數(shù)據(jù)關(guān)聯(lián)算法獲取關(guān)聯(lián)假設(shè)，根據(jù)關(guān)聯(lián)假設(shè)中