一种基于层次结构的动态粒子树slam算法
【专利摘要】本发明属于人工智能领域，具体为一种基于层次结构的动态粒子树SLAM算法。本发明算法能有效的提升SLAM算法的稳定性，通过层次化的结构使得概率模型具有两种不同分辨率视角，低分辨率的全局模型有利于全局信息的生成与维护，并且能够保持地图的重叠与闭合，为导航系统生成拓扑图等信息打下基础；另一方面具有较高精度的低层次局部信息能够很好的保持小块区域内的导航精度，并不重复带入累积误差，使得整个算法在长时间运行的状态下仍然保持误差在可接受的水平范围内。动态更新的粒子树可以很好的降低时间、空间复杂度。
【专利说明】—种基于层次结构的动态粒子树SLAM算法
【技术领域】
[0001]本发明属于人工智能领域，具体涉及一种基于层次结构的动态粒子树SLAM算法。【背景技术】
[0002]机器人学从上世纪90年代起发展迅速。在导航定位领域，机器人需要对自己的位置和整个场景地图进行估计，这对于概率建模而言，无论在计算上，还是可操作性上都是很难实现的，因此引入统计学中的采样来完成这一任务。粒子滤波算法的提出使得后续的各种基于蒙特卡罗方法的导航算法在实际应用中有比较稳定的表现，特别是SLAM(Simultaneous localization and mapping)算法的提出，让机器人导航算法有了巨大的进
止/J/ O
[0003]目前机器人导航问题可以划分为2大类:一类是室外自然环境下基于GPS系统的导航，另外一类是室内环境下的导航定位。室内环境又可分为大面积空旷场地(例如:实验室，大厅，楼层等)和窄小空间场地(例如:家庭环境、过道、窄巷等)，有些室内机器人需要事先在场景中人为放置标志物(如RFID)，才能进行定位导航。本发明所研究家庭环境下的导航的特点是环境复杂，空间狭小，而且会经常出现动态物体的移动，同时机器人在移动的时候，还必须避免与家具及墙壁的碰撞。由于家庭环境的复杂性和多变性，一般的GPS定位算法和基于标定物的算法无法满足家庭环境使用需求，而SLAM算法非常适合解决该问题。
[0004]SLAM算法是一种不断更新环境与自身信息的动态算法。由于在SLAM过程中存在很多不确定性因素，如环境干扰、测量误差、运动误差、移动障碍而导致性能下降，并且在有大吞吐量的传感器(如激光扫描传感器)输入情况下，SLAM算法的更新与存储速度难以满足机器人实际实时应用需求。
【发明内容】
[0005]本发明的目的在于一种提供能满足机器人实时应用需求的，定位高精度高，适应复杂的家庭环境及其变化的基于层次的动态粒子树SLAM算法。
[0006]本发明提出的基于层次的动态粒子树SLAM算法，是通过层次式存储、动态粒子树更新的方式实现了增量式信息更新保存，大幅度减少动态更新时地图的存储量，并且可以在线性时间内完成更新操作，满足实时性需求，同时能够高效地完成导航和定位任务，提高精度，适应复杂的家庭环境及其变化。具体步骤为:
[0007]I，建立数据模型，数据模型包括机器人运动模型和激光数据模型；
[0008]1.1机器人运动模型。在机器人系统采用的运动模型中，把机器人抽象成笛卡尔坐标系中的一点，它的正向方向与X轴的夹角是机器人的转向角Θ，坐标(X，y)是机器人在地图中的位置。
[0009]在这一模型下，机器人的每一次运动都可以看作是从坐标(x，y，Θ)到(x’，y’，θ’)，其中位置移动为两点间的欧式距离，如公式(I)所示。[0010]
【权利要求】
1.一种基于层次的动态粒子树SLAM算法，其特征在于具体步骤为: (O建立数据模型，数据模型包括机器人运动模型和激光数据模型: (1.1)建立机器人运动模型 在机器人系统米用的运动模型中，把机器人抽象成笛卡尔坐标系中的一点，它的正向方向与TC轴的夹角是机器人的转向角4坐标(U)是机器人在地图中的位置； 在这一模型下，机器人的每一次运动都可以看作是从坐标y，&)到(Xy'的，其中位置移动为两点间的欧式距离，如公式(I)所示:
【文档编号】G05D1/02GK103901891SQ201410150310
【公开日】2014年7月2日 申请日期:2014年4月12日 优先权日:2014年4月12日
【发明者】金城, 杨昭, 冯瑞, 薛向阳 申请人:复旦大学