高斯混合概率假設密度SLAM算法

辛菁，賈渭娟，茍蛟龍

(1.西安理工大學 自動化與信息工程學院，陜西 西安 710048;2.重慶大學 城市科技學院 電氣信息學院, 重慶 永川 402167)

移動機器人同步定位與地圖創建(Simultaneous Localization and Mapping, SLAM)問題定義為機器人在未知環境中從一個未知的位置開始移動，在移動過程中根據其自身所帶傳感器感知所處環境附近路標相對自身的位置信息增量式構建環境地圖，然后利用這個地圖確定自己的絕對位姿[1]。在SLAM過程中，數據關聯技術的使用不僅可以提高機器人系統的性能，而且使機器人在長時間、大范圍內保持系統的收斂性。數據關聯最初應用在目標跟蹤領域，即是用于確定傳感器的測量信息和目標源之間的對應關系，其中經典的數據關聯算法包括最近鄰數據關聯算法(NNDA)[2]、概率數據關聯算法(PDA)[3]、聯合概率數據關聯(JPDA)[4-5]和多假設法[6](MHT)等。

SLAM中數據關聯是指利用當前傳感器探測到的m個觀測值對地圖中已經存在的n個地圖特征進行更新時，必須明確指出哪個觀測值對應于哪個特征。如果機器人對觀測值和特征的關聯發生錯誤，則會導致錯誤的更新，并且此后的預測也會發生錯誤，從而增大定位和地圖構建的誤差，嚴重時甚至會導致定位與構圖誤差發散，并進一步增加了此后數據關聯的困難。因此，數據關聯是SLAM的一個難點問題。近幾年，隨著SLAM問題研究的深入，提出了許多SLAM數據關聯算法[7]。如獨立兼容最近鄰算法(ICNN，individual compatibility nearest neighbour)、連續兼容最近鄰算法(SCNN，sequential compatibility nearest neighbour)、聯合兼容分枝限界(JCBB，joint compatibility branch and bound)和聯合最大可能性算法(JML，joint maximum likelihood)?！?br>