论文部分内容阅读
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,首先采用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,若有错则采用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。