14、自主移动机器人的鲁棒位置估计

自主移动机器人的鲁棒位置估计

1. 引言

近年来，定位问题在研究界，尤其是移动机器人领域受到了广泛关注。定位的核心是依据传感器数据来估算机器人相对于其所处环境的位姿（位置和方向）。为提升机器人的自主性，就需要更高效地利用传感器数据。

估算位姿参数最简单的方法是对里程计数据进行积分。不过，这种方法存在无界误差，这是由地面不平、车轮打滑以及编码器分辨率有限等因素导致的。而且，由于误差会随时间累积，这种技术的可靠性并不高。所以，移动机器人还需借助外部传感器获取的信息，依据内部世界模型来确定自身位置或估算相关参数。

在系统定位中，利用来自多种不同传感器的传感数据，旨在在所有运行条件下自动提取关于感知环境的最大信息量。通常，在诸如障碍物检测、定位或同步定位与地图构建（SLAM）等诸多问题中，移动机器人的感知系统依赖于多种传感器的融合，如摄像机、雷达、航位推算传感器等。多传感器融合问题通常用状态空间方程来描述，这些方程定义了感兴趣的状态、演化模型和观测模型。基于这种状态空间描述，状态估计问题可转化为状态跟踪问题。当出现不确定性时，概率贝叶斯方法在机器人领域应用最为广泛，不过像集合成员法或信念理论等新方法在某些应用中也展现出了良好的效果。

SLAM 是移动机器人在未知环境中构建地图并同时跟踪自身当前位置的技术。近年来，许多实现 SLAM 算法的工作都得到了深入研究，根据底层地图结构，这些方法可分为三种不同的范式：度量、拓扑或混合表示。这些技术主要利用视觉特征和外部传感器（如摄像机、GPS 单元或激光扫描仪）来解决定位问题。

定位算法也在传感器网络中得到了发展，并应用于众多领域，如入侵检测、道路交通监测、健康监测、侦察和监视等。其主要目标是利用少数已知绝对