移動機器人位姿估計研究現(xiàn)狀文獻綜述在移動機器人研究領域，位姿估計一直占有非常重要的地位[中，位姿估計具體為確定移動平臺自身在環(huán)境中的位置坐標，航向角，俯仰角和橫滾角。這些數(shù)據(jù)可以由傳感器測量得到，也可以由測量值計算得到。由于各種傳感器的測量過程會有噪聲，控制器，驅(qū)動機構(gòu)的輸出和期望值之間也會存在一定的偏差，所以造成機器人的實際狀態(tài)并不嚴格符合期望狀態(tài)。所以，位姿估計實際上就成為一個帶有噪聲干擾的狀態(tài)估計問題。解決位姿估計問題有很多種不同的方法，其中魯棒性較高的有卡爾曼濾波器[90]、擴展卡爾曼濾波器[91]、無跡卡爾曼濾波器[92]、馬爾可夫定位方法[93]、粒子濾波器[94]等方法。但是馬爾可夫方法由于其速度慢，精度不高，近些年已經(jīng)應用的比較少。卡爾曼濾波器實質(zhì)上是一種有噪聲線性動態(tài)系統(tǒng)狀態(tài)預估計的遞歸算法，它提供了一種高效可計算的方法來估計過程的狀態(tài)，并且使估計均方誤差最小。要估計移動平臺的位姿，當假設系統(tǒng)的狀態(tài)模型和觀測模型都是線性的，并且符合高斯分布，同時假設噪聲也服從高斯分布時，線性卡爾曼濾波器是最優(yōu)的濾爾曼濾波器就需要將非線性系統(tǒng)進行線性化，所以在自定位系統(tǒng)中被廣泛采用。其中心思想是利用泰勒展開式對非線性系統(tǒng)進行線性化，然后利用卡爾曼濾波實現(xiàn)系統(tǒng)的估計和校正，這使得能夠適用于非線性系統(tǒng)的位姿跟蹤問題。但是只采用了非線性系統(tǒng)函數(shù)的一階泰勒展開，所以會產(chǎn)生較大的后驗概率估計誤差，尤其的高階項就顯得較為重要。為此人們提出了無跡卡爾曼濾波器。沒有直接逼近非即在原狀態(tài)分布中按照某一規(guī)則取一些點，使這些點的均值和方差等于原狀態(tài)分布的均值和方差，然后將這些點代入非線性函數(shù)中，得到相應函數(shù)值點集，并通過這些點集求取變換后的均值和方差。無跡卡爾曼濾波方法在精度以及魯棒性方面馬爾可夫定位方法大體上有兩類一類是基于網(wǎng)格[95],另外一類是基于拓撲地圖[96]?；诰W(wǎng)格的定位方法首先將定位劃分網(wǎng)格，并對于每個網(wǎng)格賦予一個概率信度值然后利用離散分段的值表示任意的概率信度。該方法的定位步驟與濾波定位的步驟基本一樣，馬爾可夫定位的不同之處在于它不要求系統(tǒng)模型以及觀測模型等符合高斯分布，因為該方法可以表示任意的概率分布。利用基于拓撲地圖的方法可以克服基于網(wǎng)格的定位方法需要大量計算資源的缺點。拓撲地圖方法的最大優(yōu)點是提高了計算效率，而缺點是表征的粗糙性，使得定位精度不高，預估的結(jié)果只是給出了一個粗略的信息。該方法通常只適合于傳感器只能提供非常不精確的定位信息的定位系統(tǒng)中。近些年來，基于粒子濾波器的定位方法得到了長足的發(fā)展[97][98]。該方法用粒子集描述概率分布，而不用概率分布函數(shù)本身表示。為了隨時間更新密度分布，蒙特卡羅方法得到了廣泛的應用。粒子濾波定位方法相比于以往的定位方法有獨特的優(yōu)點，主要表現(xiàn)在以下幾方面相比于基于卡爾曼濾波器的定位方法，該方法可以處理多峰分布問題，可以很好地解決全局定位問題相比于基于網(wǎng)格的馬可夫定位方法，該方法極大地降低了內(nèi)存的耗費，可以很高的頻率將最新的觀測值融合到狀態(tài)估計中相比于固定網(wǎng)格大小的馬可夫定位方法，該方法可以得到更高的定位精度，該種方法非常容易應用于現(xiàn)實實驗中。近幾年位姿估計方法如表1-1所示。然而，非結(jié)構(gòu)地面環(huán)境作為一種重要引導誘變因素的存在，如果沒有地面環(huán)境信息的提前預知，難以實現(xiàn)工程車輛行駛位姿狀態(tài)參數(shù)的準確估計。時間姿態(tài)誤差relevantvectormachine:AnexperimentalanalysisinfStructuralHealthMonitoring,2017,17(6):1[4]SoumitryJ,TeizerJ.Dynamicblindspots2014,44(2):358-363.[6]戴群亮，趙丁選.基于BP神經(jīng)網(wǎng)絡[7]ZhangX,GaoH,GuoM,etal.AstudyonkeytechnologiesofunmanneddriTransactionsonIntelligenceTechnology,2[8]StolteT,ReschkaA,BagschikG,etal.TowardsautomateddriviTransportationSystems,IEEE,2015:1-6.[9]LiB,LouY.Studyonthecurrentsituationofengineeringmachinintelligentinformation[C]//BusinessInnovation,2016,57:541-545.[10]TjonnasJ,JohansenTA.Stabilizationcyberphysicalsystems[J].IEEETransactionsonVehicularTechnology,20[12]KimHS,LeeHK.Eliminationomeasurements[J].JournalofE