基于曲线特征建模的移动机器人自主导航算法研究.pdf

谨以此论文献给在论文写作过程中给予我支持
和帮助的人们。



------ 徐明
基于曲线特征建模的移动机器人自主导航算法研究
摘要
到目前为止,很多关于即时定位与构建(SLAM)算法的研究都是用点特征作
为地图特征,即地图是由有限个点组成的。采用点特征构建地图最大的优点是计
算简单直观,并且基于点特征的 SLAM 的研究也基本成熟。随着实际情况的需要,
后来又出现了线特征,并已经成功应用在室内环境的描述中。点特征和线特征可
以很好的应用在结构化环境中,但在非结构化环境中,环境往往是复杂的,形状
不规则并且没有明显的边缘,不能有效地提取点或者线特征来描述环境。本文提
出了可以应用于非结构化环境下的环境表示方法——B 样条(也叫基本样条)方
法。
B 样条 SLAM 方法采用 B 样条函数作为基函数,用一组控制点来表示一条样条,
用一组节点向量来确定样条的位置。目前,B 样条曲线的相关理论发展成熟,各
种算法及参数已经系统化,如用 Hartley-Judd 方法确定节点向量的算法、Shetty
和 White 提出的样条曲线的延伸算法、计算 B 样条曲线上点的德布尔算法等。利
用 B 样条作为特征表示环境的显著优点是 B 样条特征包含了点和(直)线特征但
又不限于这两种特征,并且对环境的要求较低。基于 B 样条的 SLAM 主要有以下
三个特点:第一,控制点是直接观测不到的,需要从数据点中得到控制点;第二,
理论上,样条间的数据关联远远复杂于单个点之间的数据关联;第三,点特征是
离散的,B 样条曲线是连续的,在采用 B 样条作为环境表示特征的 SLAM 方法中,
数据关联之后有时需要将样条进行延伸,这会增加计算的复杂度。
本文的创新之处有两点,第一,实现了智能控制点的选择。本文采用动态的
节点向量来描述样条,根据数据点的个数确定控制点的个数。第二,提出了新的
数据关联方法。文中提出的数据关联包括初步关联和确认关联两部分。在初步关
联中,将地图中已有的样条进行简化,简化原则为已有样条和载体的最近距离小
于距离阈值。然后用简化后的地图样条和新样条进行点对的匹配。

关键词:移动机器人;SLAM;B 样条曲线;环境地图


I
Research on Autonomous Navigation Algorithm of
Mobile Robot Based on the Characteristics of
Curve Modeling
Abstract
So far, many studies on simultaneous localization and mapping (SLAM)
algorithm use point as the feature of map, that is the map posed of a finite
number of points. The biggest advantage of using point features is the simple and
intuitive calculation, and point-based SLAM is basically mature. With the needs of the
actual situation, line features appear later, and has been essfully applied in the
description of indoor environment. Point features and the line features can be well
applied in structured environment, but in the unstructured environment, the situation
is plex—the shape is irregular and there is no obvious edge, so it cannot
effectively extract point or line features to describe the environment. This paper put
forward a method that could be applied to the unstructured environment—B spline
(also called basic spline).
BS_SLAM method uses B spline function