【正文】 置。分析：在控制量噪聲一定且相對(duì)較小時(shí)，同時(shí)加入的觀測(cè)量噪聲也相對(duì)較小的情況下，EKFSLAM和FastSLAM都能較好地對(duì)路徑和路標(biāo)進(jìn)行估計(jì)，得到良好的SLAM效果，但在X軸和Y軸的誤差方面，F(xiàn)astSLAM仍然比EKFSLAM小一些。 圖65 EKFSLAM仿真圖 星型點(diǎn)表示實(shí)際路標(biāo)位置，十字點(diǎn)表示估計(jì)的路標(biāo)位置，在其周圍的橢圓表示其觀測(cè)的不確定性。 圖66 FastSLAM仿真圖 星型點(diǎn)和黑點(diǎn)分別表示實(shí)際和估計(jì)的路標(biāo)位置。分析：在控制量噪聲一定相對(duì)較小，且加入的觀測(cè)量噪聲相對(duì)較大的情況下，EKFSLAM和FastSLAM開(kāi)始都能夠較好地對(duì)路徑和路標(biāo)進(jìn)行估計(jì)，得到良好的SLAM效果，但是隨著誤差的累計(jì)，EKFSLAM在X軸和Y軸的誤差方面明顯變大，而FastSLAM仍能保持較為良好的路徑和路標(biāo)估計(jì)性能，整體性能優(yōu)于EKFSLAM。7 總結(jié)和展望 本文介紹了解決SLAM問(wèn)題的方法：粒子濾波器SLAM。粒子濾波器SLAM與原有的方法的區(qū)別在于，它利用了數(shù)據(jù)和狀態(tài)變量之間的離散性來(lái)分解SLAM問(wèn)題。分解成一些低維數(shù)問(wèn)題的集合，粒子濾波器SLAM對(duì)于機(jī)器入的路徑和數(shù)據(jù)關(guān)聯(lián)的采樣，以每個(gè)粒子為條件計(jì)算獨(dú)立的環(huán)境特征估計(jì)。算法把地圖中的環(huán)境特征的數(shù)目對(duì)數(shù)化，這對(duì)于處理多個(gè)環(huán)境特征的地圖非常有效。實(shí)驗(yàn)結(jié)果可以看出對(duì)于數(shù)據(jù)關(guān)聯(lián)采樣可以讓算法對(duì)于數(shù)據(jù)關(guān)聯(lián)很不明確的地圖非常有效，并且可以使數(shù)據(jù)關(guān)聯(lián)得到修正。這篇論文對(duì)粒子濾波器SLAM算法進(jìn)行改進(jìn)。由于改進(jìn)了假設(shè)分布，改進(jìn)的粒子濾波器SLAM也可以只用單個(gè)粒子運(yùn)行．論文中說(shuō)明了改進(jìn)的粒子濾波器SLAM算法對(duì)于單個(gè)粒子在線性高斯環(huán)境下收斂。基于RaoBlackwellized粒子濾波器的FastSLAM算法是一種高效的機(jī)器人同步定位和繪制地圖的算法，其具有高效性和準(zhǔn)確性，該方法使用提高了機(jī)器人地圖創(chuàng)建的實(shí)時(shí)性，增強(qiáng)了避障能力。機(jī)器人領(lǐng)域的研究者對(duì)SLAM進(jìn)行了大量的研究，特別是降低復(fù)雜度，提高魯棒性等方面取得了很大的進(jìn)展。針對(duì)環(huán)境從靜態(tài)的結(jié)構(gòu)化室內(nèi)環(huán)境向非結(jié)構(gòu)化室內(nèi)環(huán)境和自然環(huán)境延伸．綜合近年來(lái)的相關(guān)文獻(xiàn)，以下幾個(gè)方面將是今后研究的熱點(diǎn)：1）基于多傳感器融合的特征提取方法，特別是應(yīng)用雙目和三目視覺(jué)的3D空間的特征提取。2）研究更有效的自適應(yīng)采樣策略，進(jìn)一步提高粒子濾波算法的性能。3）對(duì)于復(fù)雜的，大范圍環(huán)境和室外非結(jié)構(gòu)化環(huán)境的即時(shí)定位于地圖創(chuàng)建，主要解決減少計(jì)算量，增強(qiáng)定位實(shí)時(shí)性的問(wèn)題。4）更好的地圖表達(dá)方式，特別是復(fù)雜地形中的地圖表達(dá)方式。5）針對(duì)此類問(wèn)題的新的理論方法。參考文獻(xiàn)[1] Smith R, Cheeseman P. On the representation and estimation of spatial uncertainly [J] International Journal of Robotics Research, 1987, 5( 4) : 56 68[2] Guivant J E, Nebot E M. Optimization of the simultaneous localization and mapbuildingalgorithm for realtimeimplementation. IEEE Transactions on Robotics and Automation, 2001, 17(3): 242257 [3] Montemerlo M, Thrun S, Koller D, Wegbreit B. FastSLAM:a factored solution to thesimultaneous localization and mapping problem. In: Proceedings of the AAAI NationalConference on Articial Intelligence[J]. Edmonton, Canada:AAAI, 2002. 593598 [4] Chong K, Kleeman L. Accurate odometry and error modeling for a mobile Proceedings of the IEEE International Conference on Robotics and Automation[C], New Mexico, USA: 1997. Vol. 4: 27832788[5] Thrun S. Robotic Mapping: A Survey, Technical Report CMUCS02111, School of Computer Science, Carnegie Mellon University, USA, 2002 [6] MontemerloM, localization and Mapping with unknown data Association using FastSLAM [C]∥ ProcIEEEIntConfRobotics and Automation. Taipei, China: IEEEPress, 2003: 1985 1991 [7] D. Fox, W. Burgard, F. Dellaert, and S. Thrun. Monte Carlo localization: Efficient position estimation for mobile robots[C]. In Proc National Conference on Artificial Intelligence Research, Orlando. 1999: 343349 [8] M. Montemerlo, S. Thrun, D. Koller, and B. Wegbreit. FastSLAM: A factored solution to the simultaneous localization and mapping problem[C].Proceedings of the AAAINational Conference on Artificial Intelligence: 593598[9] Ioannis Rekleitis. A particle filter tutorial for mobileRobot localizationTR CIM 0402[R]. Montreal, Qu ebec,Canada:Centrefor Intelligent Machines, McGill University, 2004[10] M. Montemerlo, S. Thrun, D. Koller, and B. Wegbreit. FastSLAM: A factoredsolution to the simultaneous localization and mapping problem[C].Proceedings of the AAAI National Conference on Artificial Intelligence: 593598[11] M. Montemerlo. FastSLAM: A factored solution to the simultaneous localization and mapping problem with unknown data association[J]. . dissertation,School of Computer Science, Carnegie Mellon University, Pittsburgh. 2003: 6062[12] GiorgioG, CyrillS, WolframB. Improvinggrid basedSLAMwithrao blackwellized particle filters by adaptive proposals and selective resampling[C]// Proc IEEE Int Conf Robotics and lona, Spain: IEEEPress, 2005: 2443 2448[13] LiuXian’en, MaBojun, Qi Ningning, et al. A sonar data based particle filtering localization method for mobile robot[C]// Proceedings of the 7th World CongressonIntelligent Control and Automation. Chongqing, China: IEEE Press, 2008:3920~3924[14] Liu Guocheng, sensor moving target tracking using particle filter[C]// Proceedings of the 2007 IEEE International Conferenceon Robotics andBiomimetics. Sanya, China: IEEE Press, 2007:668673[15] 郭劍輝，趙春霞，陸劍峰．RaoBlackwellised粒子濾波SLAM的一致性研究[J]．系統(tǒng)仿真學(xué)報(bào)，2008，20(23)：6401~45405 致謝本論文是在導(dǎo)師和師兄的悉心指導(dǎo)下完成的，通過(guò)本次論文，我學(xué)習(xí)到了許多專業(yè)以外的知識(shí)，這次的論文翻閱了許多資料，鍛煉了自己獨(dú)立思考問(wèn)題的能力，我要感謝四年的大學(xué)生活，感謝大學(xué)班所有老師同學(xué)以及我的家人和那些永遠(yuǎn)也不能忘記的朋友，感謝在論文撰寫(xiě)期間給與我無(wú)私幫助和支持的實(shí)驗(yàn)室的師兄和師姐們，他們給我提出了很多有用的建議和意見(jiàn)，指出了我論文之中的一些不足之處。讓我學(xué)習(xí)到了嚴(yán)謹(jǐn)，認(rèn)真的學(xué)習(xí)態(tài)度。感謝我的室友們，他們?yōu)槲业膶W(xué)習(xí)和生活提供了良好環(huán)境，同時(shí)給與我很多支持和鼓勵(lì)。平時(shí)在生活和學(xué)習(xí)的探討中加深了彼此間的了解和友誼。他們的支持與情感，是我永遠(yuǎn)的財(cái)富。感謝我的父母，作為他們的孩子，我秉承了他們樸實(shí)、堅(jiān)韌的性格，也因此我有足夠的信心和能力戰(zhàn)勝前進(jìn)路上的艱難險(xiǎn)阻；也因?yàn)樗麄兊娜找剐羷?，我才有機(jī)會(huì)如愿完成自己的大學(xué)學(xué)業(yè)，進(jìn)而取得進(jìn)一步發(fā)展的機(jī)會(huì)。