24、机器人地标检测与导航方法研究

机器人地标检测与导航方法研究

1. 地标匹配指标与评估方法

在机器人地标匹配中，前三个指标不会对产生较少但高质量匹配的对齐方式进行惩罚。这是基于这样的假设：使用大量质量不确定的地标进行导航比使用较少但质量更好（即能持续被发现）的地标进行导航更困难。需要注意的是，这些指标只是对地标准确匹配程度的近似评估，由于没有像差分GPS或外部摄像头这样的全局度量定位系统，无法确保匹配的地标真的处于同一位置。在这种情况下，对对齐方式的最佳评估是使用这些对齐方式找到目标位置的成功率。

评估这些得分时使用了无分布统计参数检验，具体使用了Kruskal - Wallis ANOVA和Friedman ANOVA。Kruskal - Wallis ANOVA用于检验所有处理选择（即实验参数）相等的零假设是否为假；Friedman ANOVA不仅能完成同样的检验，还能通过将在其他可能影响结果的因素方面具有同质性的试验分组，来消除其他系统差异的影响。如果存在差异，则使用Tukey - Kramer均值多重比较，将在一定置信水平下统计上不可区分的处理分组，从而确定表现最佳的处理。

2. 路线描述对齐方法

为了实现机器人在路线上的定位，研究了六种不同的对齐方法，这些方法反映了路线描述中存储的信息（序列、距离和类别）与里程计误差模型的可能组合：
1. 序列（S） ：当前运行中的每个地标与路线描述中未分配的下一个地标对齐。如果每次运行中的地标数量不匹配，则多余的地标不进行对齐。
2. 距离（D） ：将x - y位置里程计转换为从运行开始的行驶距离的单一维度。当前运行中的地标与路线描述中行驶距离最接