2007年第7期中图分类号：TP242文献标识码：A文章编号：1009—2552(20cr7)Or7一OOO4—04一种室内环境下机器人同时定位与地图构建方法申丽曼，蔡自兴(中南大学信息科学与工程学院，长沙410083)摘要：介绍了一种移动机器人室内环境下同时定位与地图构建方法，给出了整个系统的结构框图。将从激光传感信息中提取出的直线特征作为主要的环境描述特征，用EKF算法更新机器人位姿和直线特征的估计值，用一种新的数据关联方法以实现地图的最小描述。直线特征提取采改进的IEPF算法，能够快速地从数据点中得到较为精确的直线参数。实验证明整个系统具有良好的性能。’关键词：移动机器人；同时定位与地图构建；扩展Kalman滤波；IEPFAnapproachformobilerobotSLAMinindoorenvironmentSHENU-man，CAIZi-xing(SchoolofInformationScienceandTechnology，CentralSouthUniversity，Changsha410083，China)Abstract：111isarticleproposesanapproachformobilerobotSLAMinindoorenvironment．Thewholesystemframeisshowedinit．Thelinefeatureextractedfromlaserdataasthemainfeaturetodescribethegeometricalmapischosen．ItusesEKFalgorithmtoupdatetheestimationoftherobot’Sposeandtheparameterofthelinefeature，andalsoproposesannewapproachfordataassociationtominimizethecomputationcomplexity．AnadvancedIEPFalgorithmischosenforthelinefeatureextraction．Theexperimentsdemonstratetheefec-tivenessoftheproposedSLAMtechnique．·Keywords：mobilerobot；simultaneouslocalizationandmapping；extendKalmanfilter；IEPFO前言复杂度高的主要原因。目前的很多研究也是围绕降移动机器人同时定位与地图创建问题是自主机低EKF的计算量来进行的。Leonard和Feder提出一器人导航中的一个重要研究课题。它是让机器人在种分离随机地图(DsM)的方法来解决这个问题⋯，未知的环境中，从一个未知的位置出发，增量式地创Dissanayake等提出了一种删除无用路标的方法以减建地图，同时利用地图信息进行机器人自定位。现少计算量_1J。这几种方法实质上都是用减少环境特在已经有很多学者提出了SLAM的解决方法，这些征的数量来降低计算复杂度。本文以减少地图中的方法的主要区别在于环境表示方式和不确定性描述重叠特征来降低计算量。为了对环境进行最小描方式两方面。大多数定位和地图构建方法将环境特述，采用一种更具约束力和有效性的数据关联算法。征看成静态的路标点，在室内环境中，环境特征多为由于机器人SLAM的EKF预测和更新过程很多论文直线，相对于点特征，直线特征信息量大，数量少。中都有大致介绍，本文就不再赘述，下面将着重介绍更有利于机器人定位和降低计算复杂度，故本文选地图处理中数据关联及融合。择直线特征为环境描述的主要特征。收稿日期：2006—11—06EKF是目前SLAM问题所采用的最普遍的方基金项目：国防基础科研基金重点项目(A1420060159)法，由于状态协方差矩阵的所有元素在每次观测后作者简介：申丽曼(1982一)，女，中南大学信息科学与工程学院模式都需要更新，当机器人探测范围增大，计算量随着观识别与智能系统专业硕士，主要研究方向为未知环境下测到的环境特征的增加而急剧增加，这是EKF计算机器人环境建模及定位。一4——1改进的IEPF直线特征提取=∑；(巧一互)(一Y—i)IEPF是一种传统的直线提取算法，它利用拆分(19为第点到第i条直线的权值，d为点到直线的距的思想将点集划分成不同的集合。相比直线回归(La)、hough变换、EM等方法，IEPF具有速度快，计离，(仇)为第i条直线的极坐标参数，(巧，)为算量低等优点，所以在时时性要求很高的机器人定第点的坐标。位系统中，Ⅲ=PF算法