移动机器人同时定位与地图创建研究.pdf

摘 要
在未知环境下，移动机器人要实现自主探索，必须具备对环境的感知、理解
和完成自身定位的能力，也就是所谓的同时定位与地图创建（SLAM）能力。移
动机器人的同时定位与地图创建是当前移动机器人研究领域的热点，是实现移动
机器人完全自主导航的关键。本文主要对未知静态环境下的移动机器人同时定位
与地图创建进行研究，具体内容如下：
首先，对移动机器人的定位和地图创建技术进行了综述，详细介绍了移动机
器人的同时定位与地图创建实现方法，并指出解决 SLAM 问题的关键。
其次，构建了一个 SLAM 系统框架，并对其各部分进行了详细的分析和设计，
为后续的理论研究和实验设计提供了指导。
再次，在所构建的框架下，对基于扩展卡尔曼滤波的 SLAM 方法（EKF-SLAM）
进行了研究，给出了 EKF-SLAM 算法实现的详细过程，并进行了基于点特征的
EKF-SLAM 仿真，仿真实验证明了该框架的完整性和可实现性。针对 EKF-SLAM
算法需要对系统状态模型和观测模型线性化导致引入截断误差、每个采样周期都
要计算 Jacobian 矩阵的缺点，研究了基于无迹卡尔曼滤波（UKF）的 SLAM 算法，
并进行了对比实验，证明了 UKF-SLAM 算法的有效性。
最后，针对移动机器人运动学模型建立过程中，忽略了地面状况、传感器精
度等不确定性因素而导致数学模型不精确的问题，提出了基于 EKF 神经网络的模
型误差补偿方法。该方法利用神经网络函数代替系统误差模型，通过运用 EKF 算
法对权值和状态的增广向量进行不断的预测和更新，实现状态估计的同时完成了
对神经网络的在线学习。通过基于 EKF 神经网络的运动学模型误差补偿的 SLAM
实验证明了该方法的动态补偿性能和鲁棒性能。

关键词：同时定位与地图创建；卡尔曼滤波；无迹卡尔曼滤波；神经网络；误差
补偿
Abstract
To autonomously explore in unknown environments, mobile robot needs abilities
of sensing and interpreting its surroundings, and localizing itself in the environment.
This is so called simultaneous localization and mapping(SLAM)，which is the hot spot
of research in the mobile robot community and the key prerequisite to make a truly
autonomous mobile robot. In this paper, some SLAM methods of mobile robot under
static unknown environment are studied.
Firstly, localizing and mapping technologies of mobile robot are surveyed. The
evolutions of SLAM are described and the major issues in SLAM are pointed.
Secondly, a systematic framework of SLAM is established. Each part of the
framework is analyzed in detail and designed. It provides the guidances for the
follow-up theoretical studies and experiment designs.
Thirdly, in the established framework the SLAM based on extende