学海网

动态环境下自主车同时定位与建图研究，硕士学位论文，共64页。
摘要： 同时定位与建图(SLAM)作为自主车实现自主导航的关键技术,是自主车实现真正自主的必要条件。目前大部分的SLAM解决方案都是基于静态环境的,而自主车所处环境一般是动态的,因此研究动态环境下自主车SLAM问题具有重要的现实意义。
动态环境下自主车SLAM问题主要涉及到三个方面:SLAM实现算法、数据关联、动态障碍检测及处理。本文从这三个方面展开对动态环境下自主车SLAM问题的研究,主要工作有:
(1)提出了一种小生境粒子群优化的自主车快速同时定位与建图方法。以经典的基于粒子滤波器的FastSLAM方法为基础,结合小生境技术和粒子群优化算法,通过多模寻优来增强粒子的多样性及其寻优能力,使得粒子更为靠近自主车真实状态,从而改善了粒子滤波器的预估性能,提高了自主车定位和地图构建精度。实验结果表明,改进后的FastSLAM方法性能显著提高,能以较少的粒子达到较高的精度。
(2)提出了一种基于局部地图的混合数据关联方法。结合经典的ICNN和JCBB数据关联算法的优点,在SLAM数据关联过程中,首先釆用ICNN算法在局部地图中进行数据关联,并判断关联结果的正确性,若有错则釆用JCBB算法在错误匹配处周围的局部区域内重新进行数据关联,以纠正错误的关联结果。实验结果证明了该方法具有较强的实时性和精确性。
(3)设计了 一种数据关联过程中消除动态障碍干扰的有效方法。该方法基于地图特征的时空差异信息来判定动静态障碍,同时采用混合数据关联算法获取关联假设,根据关联假设中特征的离群性质来提取参与关联的动态障碍,此外通过至少两步的动静态判定过程来处理不确定性因素。实验结果证明了该方法是可行的。
综合上述三个方面的研究成果,构建了动态环境下自主车SLAM算法的总体框架,并从仿真实验和在室外自主车上的实验两方面证明了本文SLAM方法在动态环境下的有效性。
关键词：自主车,同时定位与建图,数据关联,动态障碍检测

第一章绪论
1.1课题来源及研究意义
1.1.1课题来源
本课题来源于国家自然科学基金重大专项重点项目:高速公路车辆智能驾驶中的关键科学问题研究(编号:90820302),同时本课题得到中南大学研究生教育创新工程(编号:2010xxstl94)资助。
1.1.2动态环境下自主车SLAM的研究意义
自主车是一种智能车辆,也可以称作轮式移动机器人,主要依靠里程计、激光雷达、视觉等车载传感器来获取车辆自身位姿信息和外界环境信息,然后根据这些传感器信息和车辆的工作任务来控制车辆行驶的航向及速度,从而实现车辆在工作环境中自主行驶。随着智能交通系统的快速发展,以及人类在一些特殊环境下(比如军事、工矿)的应用需求,自主车己经成为了当前一个十分热门的研究领域[i—8]。
在世界范围内,美国德国[3_4]、日本[5-6]是较早开展自主车研究的国家,他们的技术当前也处于世界领先地位。美国国防部高级研究计划局在2004年和2005年举办的两次自主车沙漠越野挑战赛以及2007年在城市环境中举行的自主车挑战赛,激发了世界范围的自主车研究热情,对自主车研究的进展起到了重要的推动作用。2009年至2011年,中国国家自然科学基金委员会连续举办了三届智能车未来挑战赛,每届都吸引了十多个由不同科研单位组成的代表队参加,使中国的自主车研究也得到了快速发展。
可见,自主车已经掀起了全球性的研究热潮,研究自主车的重要意义不言而喻。但是,目前国内外自主车的大部分研究成果是基于静态环境或者己知环境地图的,而在动态未知环境下的自主车研究则要复杂得多,因此取得的成果也是有限的。如果自主车在动态未知环境下能够实现自主导航,可以提供给人类更智能和更便捷的交通服务,也可以帮助人类在危险场所完成指定任务,如军事打击、消防救灾等,因此具有更现实和更实用的意义。
.......