武汉科技大学本科毕业设计
图6-6 FastSLAM仿真图 星型点和黑点分别表示实际和估计的路标位置。
分析：在控制量噪声一定相对较小，且加入的观测量噪声相对较大的情况下，EKF-SLAM和FastSLAM开始都能够较好地对路径和路标进行估计，得到良好的SLAM效果，但是随着误差的累计，EKF-SLAM在X轴和Y轴的误差方面明显变大，而FastSLAM仍能保持较为良好的路径和路标估计性能，整体性能优于EKF-SLAM。
27
武汉科技大学本科毕业设计
7 总结和展望
本文介绍了解决SLAM问题的方法：粒子滤波器SLAM。粒子滤波器SLAM与原
有的方法的区别在于，它利用了数据和状态变量之间的离散性来分解SLAM问题。分解成一些低维数问题的集合，粒子滤波器SLAM对于机器入的路径和数据关联的采样，以每个粒子为条件计算独立的环境特征估计。
算法把地图中的环境特征的数目对数化，这对于处理多个环境特征的地图非常有效。实验结果可以看出对于数据关联采样可以让算法对于数据关联很不明确的地图非常有效，并且可以使数据关联得到修正。
这篇论文对粒子滤波器SLAM算法进行改进。由于改进了假设分布，改进的粒子滤波器SLAM也可以只用单个粒子运行．论文中说明了改进的粒子滤波器SLAM算法对于单个粒子在线性高斯环境下收敛。
基于Rao-Blackwellized粒子滤波器的FastSLAM算法是一种高效的机器人同步定位和绘制地图的算法，其具有高效性和准确性，该方法使用提高了机器人地图创建的实时性，增强了避障能力。
机器人领域的研究者对SLAM进行了大量的研究，特别是降低复杂度，提高鲁棒性等方面取得了很大的进展。针对环境从静态的结构化室内环境向非结构化室内环境和自然环境延伸．综合近年来的相关文献，以下几个方面将是今后研究的热点：
1）基于多传感器融合的特征提取方法，特别是应用双目和三目视觉的3D空间的特征提取。
2）研究更有效的自适应采样策略，进一步提高粒子滤波算法的性能。
3）对于复杂的，大范围环境和室外非结构化环境的即时定位于地图创建，主要解决减少计算量，增强定位实时性的问题。
4）更好的地图表达方式，特别是复杂地形中的地图表达方式。 5）针对此类问题的新的理论方法。
28
武汉科技大学本科毕业设计
参考文献
[1] Smith R, Cheeseman P. On the representation and estimation of spatial uncertainly [J]
International Journal of Robotics Research, 1987, 5( 4) : 56- 68
[2] Guivant J E, Nebot E M. Optimization of the simultaneous localization and map-building
algorithm for real-timeimplementation. IEEE Transactions on Robotics and Automation, 2001, 17(3): 242-257
[3] Montemerlo M, Thrun S, Koller D, Wegbreit B. FastSLAM:a factored solution to the
simultaneous localization and mapping problem. In: Proceedings of the AAAI National
Conference on Articial Intelligence[J]. Edmonton, Canada:AAAI, 2002. 593-598 [4] Chong K, Kleeman L. Accurate odometry and error modeling for a mobile Proceedings of
the IEEE International Conference on Robotics and Automation[C], New Mexico, USA: 1997. Vol. 4: 2783-2788
[5] Thrun S. Robotic Mapping: A Survey, Technical Report CMU-CS-02-111, School of Computer Science, Carnegie Mellon University, USA, 2002
[6] MontemerloM, ThrunS.Simultaneous localization and Mapping with unknown
data Association using FastSLAM [C]∥ ProcIEEEIntConfRobotics and Automation. Taipei, China: IEEEPress, 2003: 1985 1991
[7] D. Fox, W. Burgard, F. Dellaert, and S. Thrun. Monte Carlo localization: Efficient
position estimation for mobile robots[C]. In Proc National Conference on Artificial Intelligence Research, Orlando. 1999: 343-349
[8] M. Montemerlo, S. Thrun, D. Koller, and B. Wegbreit. FastSLAM: A factored solution
to the simultaneous localization and mapping problem[C].Proceedings of the AAAINational Conference on Artificial Intelligence: 593-598
[9] Ioannis Rekleitis. A particle filter tutorial for mobileRobot localizationTR CIM 0402[R]. Montreal, Qu ebec,Canada:Centrefor Intelligent Machines, McGill University, 2004
[10] M. Montemerlo, S. Thrun, D. Koller, and B. Wegbreit. FastSLAM: A factored
solution to the simultaneous localization and mapping problem[C].Proceedings of the AAAI National Conference on Artificial Intelligence: 593-598
[11] M. Montemerlo. FastSLAM: A factored solution to the simultaneous localization and mapping problem with unknown data association[J]. Ph.D. dissertation,School of Computer Science, Carnegie Mellon University, Pittsburgh. 2003: 60-62
[12] GiorgioG, CyrillS, WolframB. Improvinggrid basedSLAMwithrao blackwellized
particle filters by adaptive proposals and selective resampling[C]// Proc IEEE Int Conf
29
武汉科技大学本科毕业设计
Robotics and Automation.Barce lona, Spain: IEEEPress, 2005: 2443 2448
[13] LiuXian’en, MaBojun, Qi Ningning, et al. A sonar data based particle filtering localization method for mobile robot[C]// Proceedings of the 7th World Congresson
Intelligent Control and Automation. Chongqing, China: IEEE Press, 2008:3920~3924 [14] Liu Guocheng, WangYongji.Multi sensor moving target tracking using particle filter[C]// Proceedings of the 2007 IEEE International Conferenceon Robotics and
Biomimetics. Sanya, China: IEEE Press, 2007:668-673
[15] 郭剑辉，赵春霞，陆剑峰．Rao-Blackwellised粒子滤波SLAM的一致性研究[J]．系统仿真学报，2008，20(23)：6401~45405
30
武汉科技大学本科毕业设计
致谢
本论文是在导师和师兄的悉心指导下完成的，通过本次论文，我学习到了许多专业以外的知识，这次的论文翻阅了许多资料，锻炼了自己独立思考问题的能力，我要感谢四年的大学生活，感谢大学班所有老师同学以及我的家人和那些永远也不能忘记的朋友，感谢在论文撰写期间给与我无私帮助和支持的实验室的师兄和师姐们，他们给我提出了很多有用的建议和意见，指出了我论文之中的一些不足之处。让我学习到了严谨，认真的学习态度。
感谢我的室友们，他们为我的学习和生活提供了良好环境，同时给与我很多支持和鼓励。平时在生活和学习的探讨中加深了彼此间的了解和友谊。他们的支持与情感，是我永远的财富。
感谢我的父母，作为他们的孩子，我秉承了他们朴实、坚韧的性格，也因此我有足够的信心和能力战胜前进路上的艰难险阻；也因为他们的日夜辛劳，我才有机会如愿完成自己的大学学业，进而取得进一步发展的机会。
31