1、移動機器人同時定位與建圖( SLAM)問題是移動機器人研究領域的基本問題與研究熱點，也是移動機器人真正實現(xiàn)自主的最重要的條件之一。所謂同時定位與建圖，是指機器人在移動過程中根據(jù)位姿估計和傳感器數(shù)據(jù)進行自身定位，同時建造增量式地圖。當前提出的很多SLAM問題的解決方法是面向靜態(tài)環(huán)境的，然而機器人真實的工作環(huán)境往往是動態(tài)的，因此對于動態(tài)環(huán)境下移動機器人SLAM技術的研究有著十分重要的意義。 移動機器人在動態(tài)環(huán)境下的同時定位與建圖主要

2、涉及三個問題：SLAM解決方法、數(shù)據(jù)關聯(lián)和動態(tài)目標的處理。本文針對這三個問題展開了深入的研究，最后建立和實現(xiàn)了SLAMiDE系統(tǒng)，并在自行研制的移動機器人平臺MORCS-I上測試成功。本文在研究中取得了以下成果： 針對擴展卡爾曼濾波SLAM方法在路標增加時協(xié)方差計算量倍增的問題，提出了一種基于局部地圖的擴展卡爾曼濾波同時定位和建圖的方法。該方法周期性地以機器人所在位姿為原點建立局部坐標系，進行局部SLAM，然后根據(jù)局部地圖范圍對

3、全局地圖更新。由于無需每次更新全局地圖，因此減少了計算復雜度，且由于局部地圖的獨立性，因此該方法累積誤差少，同時還會減少計算量。 將粒子群化化的思想引入到粒子濾波SLAM中，提出了一種基于粒子群優(yōu)化的同時定位與建圖方法。該方法既可發(fā)揮粒子濾波適用任意非線性系統(tǒng)的優(yōu)點，還可通過增加考慮個體粒子和群體粒子的影響，改善SLAM預測過程的粒子采樣，從而提高采樣效率。在保證SLAM的精度和粒子的收斂性的同時，減少粒子集中時所使用的粒子數(shù)。

4、 針對經(jīng)典的單匹配最近鄰和聯(lián)合匹配方法中關聯(lián)假設一旦確定就不能修改的不足，將數(shù)據(jù)關聯(lián)問題轉換成離散優(yōu)化問題，提出了一種基于粒子濾波的多假設數(shù)據(jù)關聯(lián)方法。其核心是利用多個粒子來維持多種數(shù)據(jù)關聯(lián)假設，通過計算關聯(lián)代價來獲得粒子權重，用基本剪枝技術在粒子重采樣過程中濾除錯誤的數(shù)據(jù)關聯(lián)假設。該方法實際上是在一定時間以后才獲得真正最優(yōu)或次優(yōu)的關聯(lián)結果，通過實驗分析和比較發(fā)現(xiàn)，該方法能獲得更正確的數(shù)據(jù)關聯(lián)結果和更高的定位精度。 由于

5、動態(tài)環(huán)境下聲納傳感器無法正確檢測動態(tài)目標從而降低地圖創(chuàng)建的精度的問題，本文提出了一種聲納和視覺傳感器結合的動態(tài)環(huán)境地圖創(chuàng)建方法。為保持地圖信息的完整性，該方法分別建立了動、靜態(tài)柵格地圖，利用前一時刻的靜態(tài)地圖、當前聲納觀測信息和攝像頭檢測的動態(tài)目標信息的比較來更新，并給出了地圖更新模型。視覺信息能成功的解決地圖中某些動態(tài)目標被當成靜態(tài)目標的錯誤，從而建立正確的地圖。 設計并實現(xiàn)了動態(tài)環(huán)境下移動機器人同時定位與建圖系統(tǒng)SLAMiD

6、E(SLAM in Dynamic Environments)，為動態(tài)環(huán)境下移動機器人SLAM給出了一個整體結構和實現(xiàn)方法。該系統(tǒng)將觀測數(shù)據(jù)利用k-近鄰聚類后，構建統(tǒng)一的目標模型，綜合前面研究的數(shù)據(jù)關聯(lián)、動態(tài)目標檢測和SLAM解決方法，引入局部地圖思想，將移動機器人運行環(huán)境中的動態(tài)目標、靜態(tài)目標和移動機器人位姿同時進行估計，最終實現(xiàn)了在動態(tài)環(huán)境下移動機器人的同時定位與建圖。實驗結果表明該系統(tǒng)能夠在比較平坦的室內動態(tài)環(huán)境下實現(xiàn)準確的動態(tài)目