基于全景視覺機器人的改進UKF—SLAM算法研究

王開宇

摘 要：標準UKF-SLAM算法根據協方差矩陣計算的Sigma點會逐漸偏離真實狀態估計值，影響定位精度。針對上述問題，該文引入平方根濾波的方法，在迭代更新過程中直接傳遞協方差矩陣的平方根，確保協方差矩陣的非負定性，提出了一種基于全景視覺的改進UKF-SLAM算法。并通過仿真實驗，驗證了該文提出的改進UKF-SLAM算法具有更高的定位精度。

關鍵詞：全景視覺機器人 同時定位和地圖創建 無跡卡爾曼濾波 平方根濾波

中圖分類號：TP242 文獻標識碼：A 文章編號：1672-3791（2016）06（b）-0125-04

全景視覺傳感器不僅具有普通視覺傳感器信息量大、直觀性好和采樣周期短等優點，而且還具備全向360°的感知范圍，在應用于同時定位與地圖創建（SLAM）[1，2]是中時，視覺路標可在其視野范圍內停留更長的時間，增強了對路標的連續觀測和跟蹤能力。

1988年，Smith，Self和Cheeseman在文獻[3]中首次提出EKF-SLAM算法，利用EKF算法對機器人位姿和地圖同時估計，奠定了移動機器人SLAM的理論框架。但EKF算法在執行時需要假設系統服從高斯分布，且存在線性化問題，無法滿足模塊化應用。Wang等[4]將UKF算法用于解決SLAM問題，在保證計算復雜度同階的情況下，以對非線性函數的概率密度分布近似取代對非線性函數本身近似，解決了線性化問題。

然而UKF-SLAM算法中，每次迭代都需要傳遞協方差矩陣且根據協方差矩陣計算的Sigma點會逐漸偏離真實狀態估計值，影響定位精度。針對上述缺點，該文提出了一種直接傳遞協方差矩陣平方根的改進UKF-SLAM算法，提高了算法的精度。……