一種基于層次結(jié)構(gòu)的動態(tài)粒子樹slam算法
【專利摘要】本發(fā)明屬于人工智能領(lǐng)域，具體為一種基于層次結(jié)構(gòu)的動態(tài)粒子樹SLAM算法。本發(fā)明算法能有效的提升SLAM算法的穩(wěn)定性，通過層次化的結(jié)構(gòu)使得概率模型具有兩種不同分辨率視角，低分辨率的全局模型有利于全局信息的生成與維護，并且能夠保持地圖的重疊與閉合，為導(dǎo)航系統(tǒng)生成拓撲圖等信息打下基礎(chǔ)；另一方面具有較高精度的低層次局部信息能夠很好的保持小塊區(qū)域內(nèi)的導(dǎo)航精度，并不重復(fù)帶入累積誤差，使得整個算法在長時間運行的狀態(tài)下仍然保持誤差在可接受的水平范圍內(nèi)。動態(tài)更新的粒子樹可以很好的降低時間、空間復(fù)雜度。
【專利說明】—種基于層次結(jié)構(gòu)的動態(tài)粒子樹SLAM算法
【技術(shù)領(lǐng)域】
[0001]本發(fā)明屬于人工智能領(lǐng)域，具體涉及一種基于層次結(jié)構(gòu)的動態(tài)粒子樹SLAM算法。【背景技術(shù)】
[0002]機器人學(xué)從上世紀90年代起發(fā)展迅速。在導(dǎo)航定位領(lǐng)域，機器人需要對自己的位置和整個場景地圖進行估計，這對于概率建模而言，無論在計算上，還是可操作性上都是很難實現(xiàn)的，因此引入統(tǒng)計學(xué)中的采樣來完成這一任務(wù)。粒子濾波算法的提出使得后續(xù)的各種基于蒙特卡羅方法的導(dǎo)航算法在實際應(yīng)用中有比較穩(wěn)定的表現(xiàn)，特別是SLAM(Simultaneous localization and mapping)算法的提出，讓機器人導(dǎo)航算法有了巨大的進
止/J/ O
[0003]目前機器人導(dǎo)航問題可以劃分為2大類:一類是室外自然環(huán)境下基于GPS系統(tǒng)的導(dǎo)航，另外一類是室內(nèi)環(huán)境下的導(dǎo)航定位。室內(nèi)環(huán)境又可分為大面積空曠場地(例如:實驗室，大廳，樓層等)和窄小空間場地(例如:家庭環(huán)境、過道、窄巷等)，有些室內(nèi)機器人需要事先在場景中人為放置標(biāo)志物(如RFID)，才能進行定位導(dǎo)航。本發(fā)明所研究家庭環(huán)境下的導(dǎo)航的特點是環(huán)境復(fù)雜，空間狹小，而且會經(jīng)常出現(xiàn)動態(tài)物體的移動，同時機器人在移動的時候，還必須避免與家具及墻壁的碰撞。由于家庭環(huán)境的復(fù)雜性和多變性，一般的GPS定位算法和基于標(biāo)定物的算法無法滿足家庭環(huán)境使用需求，而SLAM算法非常適合解決該問題。
[0004]SLAM算法是一種不斷更新環(huán)境與自身信息的動態(tài)算法。由于在SLAM過程中存在很多不確定性因素，如環(huán)境干擾、測量誤差、運動誤差、移動障礙而導(dǎo)致性能下降，并且在有大吞吐量的傳感器(如激光掃描傳感器)輸入情況下，SLAM算法的更新與存儲速度難以滿足機器人實際實時應(yīng)用需求。

【發(fā)明內(nèi)容】

[0005]本發(fā)明的目的在于一種提供能滿足機器人實時應(yīng)用需求的，定位高精度高，適應(yīng)復(fù)雜的家庭環(huán)境及其變化的基于層次的動態(tài)粒子樹SLAM算法。
[0006]本發(fā)明提出的基于層次的動態(tài)粒子樹SLAM算法，是通過層次式存儲、動態(tài)粒子樹更新的方式實現(xiàn)了增量式信息更新保存，大幅度減少動態(tài)更新時地圖的存儲量，并且可以在線性時間內(nèi)完成更新操作，滿足實時性需求，同時能夠高效地完成導(dǎo)航和定位任務(wù)，提高精度，適應(yīng)復(fù)雜的家庭環(huán)境及其變化。具體步驟為:
[0007]I，建立數(shù)據(jù)模型，數(shù)據(jù)模型包括機器人運動模型和激光數(shù)據(jù)模型；
[0008]1.1機器人運動模型。在機器人系統(tǒng)采用的運動模型中，把機器人抽象成笛卡爾坐標(biāo)系中的一點，它的正向方向與X軸的夾角是機器人的轉(zhuǎn)向角Θ，坐標(biāo)(X，y)是機器人在地圖中的位置。
[0009]在這一模型下，機器人的每一次運動都可以看作是從坐標(biāo)(x，y，Θ)到(x’，y’，θ’)，其中位置移動為兩點間的歐式距離，如公式(I)所示。[0010]
【權(quán)利要求】
1.一種基于層次的動態(tài)粒子樹SLAM算法，其特征在于具體步驟為: (O建立數(shù)據(jù)模型，數(shù)據(jù)模型包括機器人運動模型和激光數(shù)據(jù)模型: (1.1)建立機器人運動模型 在機器人系統(tǒng)米用的運動模型中，把機器人抽象成笛卡爾坐標(biāo)系中的一點，它的正向方向與TC軸的夾角是機器人的轉(zhuǎn)向角4坐標(biāo)(U)是機器人在地圖中的位置； 在這一模型下，機器人的每一次運動都可以看作是從坐標(biāo)y，&)到(Xy'的，其中位置移動為兩點間的歐式距離，如公式(I)所示:
【文檔編號】G05D1/02GK103901891SQ201410150310
【公開日】2014年7月2日 申請日期:2014年4月12日 優(yōu)先權(quán)日:2014年4月12日
【發(fā)明者】金城, 楊昭, 馮瑞, 薛向陽 申請人:復(fù)旦大學(xué)