基于环境特征的SLAM算法分析与评价
Analysis and Evaluation of SLAM Algorithm Based on Environmental Characteristics
DOI: 10.12677/SEA.2017.65015, PDF, HTML, XML, 下载: 1,470  浏览: 3,161  科研立项经费支持
作者: 吕 权, 李文至, 籍 颖*：河北农业大学信息科学与技术学院，河北 保定
关键词: 机器人；SLAM；环境特征；Robot； SLAM； Environmental Characteristics
摘要: 为了研究机器人的SLAM算法在不同环境下的适应能力，以实验仿真数据为依据，对当前普遍存在的几种SLAM算法在Matlab软件中进行仿真对比分析。首先对EKF-SLAM算法和 UKF-SLAM算法进行比较分析，分析结果表明：UKF-SLAM算法相对于EKF-SLAM算法在不同的几种环境特征中具有较好的时间复杂性和鲁棒性。再将性能较好的UKF-SLAM算法与Fast SLAM算法仿真对比，仿真结果表明：在相对大环境和强噪声环境中，Fast SLAM算法具有较好的估计性能，同时时间复杂性低。
Abstract: In order to study robot SLAM algorithm of adaptive capacity in different environments, based on the experimental simulation data, this paper presents the simulation and comparison of several kinds of robot algorithms in Matlab software. First comparing analysis of EKF-SLAM and UKF-SLAM algorithms, analysis results show that UKF-SLAM algorithm with respect to the EKF-SLAM algorithm in different environments has better time complexity and robustness. Then comparing UKF-SLAM algorithm with better performance and Fast SLAM algorithm simulation, the simulation results show that, under the relative environment and the strong noise environment, Fast SLAM algorithm has better estimation performance, while time complexity is low.
文章引用：吕权, 李文至, 籍颖. 基于环境特征的SLAM算法分析与评价[J]. 软件工程与应用, 2017, 6(5): 135-144. https://doi.org/10.12677/SEA.2017.65015

参考文献

[1] 李郁峰. 履带式移动机器人及其无线控制的实现[D]: [硕士学位论文]. 太原: 太原理工大学, 2005.
[2] 张艳霞. 基于力觉和视觉的机械手伺服控制研究[D]: [硕士学位论文]. 洛阳: 河南科技大学, 2012.
[3] 王才东. 六自由度教学机器人控制系统设计及实验研究[D]: [硕士学位论文]. 哈尔滨: 哈尔滨工程大学, 2008.
[4] 周旭. 基于改进粒子滤波的SLAM算法研究[D]: [硕士学位论文]. 南京: 南京理工大学, 2014.
[5] 康轶非, 宋永端, 宋宇, 等. 平方根容积卡尔曼滤波在移动机器人SLAM中的应用[J]. 机器人, 2013, 35(2): 186-193.
[6] 周亚凌. 基于OpenCV的交通车流量检测系统[D]: [硕士学位论文]. 北京: 北京邮电大学, 2015.
[7] 洪梅, 杨静, 刘勤, 等. EKF和UKF在地形辅助导航中的应用研究[C]//中国仪器仪表学会. 第六届全国信息获取与处理学术会议论文集. 焦作: 中国仪器仪表学会, 2008: 438-443.
[8] 刘要龙. 移动机器人同时定位与地图创建的算法研究[D]: [硕士学位论文]. 秦皇岛: 燕山大学, 2013.
[9] 郭剑辉, 赵春霞, 石杏喜. 一种改进的联合相容SLAM数据关联方法[J]. 仪器仪表学报, 2008, 29(11): 2260-2265.
[10] Montemerlo, M., Thrun, S., Roller, D. and Wegbreit, B. (2003) Fast SLAM 2.0: An Improved Particle Filtering Algorithm for Simultaneous Localization and Mapping That Provably Converges. In: International Joint Conference on Artificial Intelligence, Morgan Kaufmann Publishers Inc., Burlington, MA, 1151-1156.
[11] 郭利进. 大尺度环境下移动机器人同时定位与地图创建研究[D]: [博士学位论文]. 太原: 中北大学, 2009.

为你推荐