基于贝叶斯的多机器人SLAM方法研究
在移动机器人导航领域中，移动机器人自主定位研究是实现机器人真正自主化和智能化最为重要的研究方向。随着社会科技的进步和人们生活的迫切需求，多机器人在未知环境下的同时定位与地图创建（SLAM）问题成为了研究中的热点。文章主要研究内容如下： 1.阐述基于贝叶斯滤波概率理论的SLAM方法，将SLAM问题理解为贝叶斯滤波问题。SLAM贝叶斯滤波过程，包括两个步骤：运动（时间）更新和观测更新。介绍多机器人系统模型，建立多机器人的运动模型和传感器观测模型，讲述多机器人SLAM方法的基本理论。 2.研究解决单机器人SLAM问题的三种算法。详细分析扩展卡尔曼滤波SLAM方法、扩展信息滤波SLAM方法和精确稀疏信息滤波SLAM方法，它们都是基于贝叶斯理论的，在单机器人应用中，通过仿真实验分析它们各自的特点。 3.研究多机器人SLAM问题。将解决单机器人SLAM问题的方法扩展到多机器人SLAM问题，依据贝叶斯概率理论，对基于扩展信息滤波算法的多机器人SLAM方法进行公式推导和图表分析，然后建立完整的多机器人SLAM问题仿真系统，并仿真实验。 4.探究多机器人SLAM方法的一种快速算法。根据大范围环境应用需求，文章探讨了一种快速信息滤波算法——基于精确稀疏扩展信息滤波的多机器人SLAM方法，采用合理的稀疏策略，保持运动更新和测量更新阶段时间恒定，体现算法的有效性和精确性，具有计算效率高的优势。
多机器人;贝叶斯滤波;同时定位;地图创建;稀疏策略
宁波大学
硕士
计算机技术
石守东
2014
中文
TP242.6
85
2015-08-17（万方平台首次上网日期，不代表论文的发表时间）