基于B样条特征SLAM算法的研究.pdf

,移动机器人必须具有利用其自身位姿信息及周围环境特征地图来实现自主导航的能力。对机器人自身位姿和环境特征地图的估计问题通常被称作同时定位与地图构建(SLAM)问题。随着SLAM逐渐成为机器人领域的研究热点,特征提取作为SLAM算法中的一个关键环节, 近期也受到人们越来越多的关注。特征提取的方法有很多,最常用的有点特征提取和线特征提取。虽然基于点特征和线特征的提取方法在SLAM问题中已经得到成功的应用,但随着现代环境中曲线几何特征的出现,准确而有效的描述复杂性逐步增加的环境成为当前特征提取急需解决的问题。考虑到环境特征的复杂性以及点特征和线特征描述环境特征的局限性,本文介绍了?。,,用于对环境特征进行完整简洁地描述。, 中同样是可行的。高效的B一样条曲线与EKF—SLAM框架相融合后,可以用参数化的方法表示任何复杂的环境结构。首先,绪论部分简要概述了本文的研究背景及其意义,移动机器人领域导航技术的分类及其优缺点,SLAM算法的产生过程及研究成果。其次,介绍了基于特征的同时定位与地图构建算法(SLAM)的系统状态模型、机器人和特征模型的表示方法,详细介绍了基于EKF的SLAM算法的一般结构框架及各部分的数学模型和公式。再次,介绍了B一样条曲线的基本原理,包括它的定义、重要性质、,。文章然后将B一样条理论与SLAM 。基于B. 样条的特征提取,数据关联, B一样条SLAM算法的原理及预测、观测、更新和地图扩充等过程都进行了详细的阐述和推导,仿真实验的初步结果说明无论环境的几何特征如何复杂,。文章最后对全文进行了总结和归纳,。关键词:同时定位与地图构建;B一样条曲线;特征提取;EKF;激光测距仪 Simultaneous Localization andMapping Based on B—Spline Feature Abstract Inorder essfully plish allthetasksin an unknown environment,the mobile robotmust havetheability toachieve autonomous navigation byusing itsown position and themaps ofsurrounding estimation problem forrobot pose and environmental feature map isusually referred to the simultaneous localization andmapping(SLAM).As SLAM hasincreasingly e ahotspot for robotapplications,the feature extraction inSLAM isalsodrawing more and more are several methods forfeatureextraction,while methods based on point--feature extraction and line--featureextraction are monly used than two solutions have been essfully applied inSLAM problem,but as thepresence ofcurved geometric features inmodem constructions,it es the urgent problem of feature extraction to accurately and efficiently describe the gradually plexity ofthe environment. Taking into account plexity of the environmental features and the li