基于多信息融合模型的SLAM算法研究及控制器設計

摘要：針對無人駕駛車輛SLAM算法中全局定位感知系統存在的問題，提出一種融合多信息認知模型的廣義SLAM算法來設計控制器結構，并且利用道路結構化環境下智能傳感器節點作為環境地圖的一部分，快速構建道路環境地圖，采用基于局部視覺的輔助定位導航方法進行車輛輔助定位，從而提高控制器全局定位的感知能力和系統定位響應速度。仿真計算表明，控制器可以得到車輛位置似然度的最佳值。

關鍵詞：多信息融合；無人駕駛車輛；SLAM

中圖分類號：TM711 文獻標識碼：A

1引言

同步定位與地圖構建（SLAM）實際上就是在完全未知環境中，無人駕駛車輛需要在自身位置和行駛狀態不完全確定的條件下創建地圖，同時利用地圖進行自主定位和導航?，F有的SLAM算法大都是依靠無人駕駛車輛本身攜帶的車載傳感器或車輛狀態感知系統，雖然具有很強的局部感知能力，能夠在局部范圍內完成高精度的定位，但由于無人駕駛車輛所處環境是很難預知的，如其他車輛的加入等造成的環境變化等，這種狀況下，在車輛運行過程中系統全局定位的感知能力就存在一定的缺陷，容易出現誤匹配而造成定位失敗[1-2]。

伴隨著道路交通智能化程度的提高和網絡化技術的發展（道路結構化），在現有道路環境中，已經擁有越來越多的帶通訊功能的傳感器節點，這些節點可以定義為道路結構化環境下的智能傳感器節點[3-4]。論文作者提出一種基于多信息融合模型的廣義SLAM算法設計思路，利用結構化環境下智能傳感器節點作為環境地圖的一部分，建立多傳感器信息融合的數學模型進行輔助定位，以在實現無人駕駛汽車的定位和環境建模的同時，提高車輛全局定位的感知能力。

2控制器結構

控制器采用定位和地圖創建交替更迭、全局自回歸的方法，實現融合多信息認知模型的分布式感知廣義SLAM算法[5-6]。即：采用粒子濾波算法，將每個粒子的全局地圖、里程傳感器數據、車速傳感器數據、激光紅外傳感器數據、車載攝像頭的視覺信號、GPS導航信號接收機信號等多類車載外部感知信息和車輛本身行駛狀態信息按認知模型的匹配程度進行多傳感器的數據融合，估計當前時刻無人駕駛汽車的位置；同時，用不確定的無人駕駛汽車位置來創建環境地圖和重新標定各個傳感器變量的內外參數，把結構化環境下的智能節點作為環境地圖的一部分，實現廣義SLAM算法的基本架構。隨著迭代次數的增加，無人駕駛汽車位置和環境地圖的確定性（即準確度）都相應得到提高并相互影響，最后，融合每個粒子的全局地圖解算得到最終的全局環境地圖，從而獲得當前時刻最有效的（全局最優）的綜合路徑。

3.3基于局部視覺的輔助定位導航

視覺定位信息量大，導航效果好，是無人駕駛技術定位和導航常用的方法，而且結構化環境下智能節點常采用攝像云臺作為分布式傳感器對環境中的車輛進行檢測，因此，控制器采用基于局部視覺的輔助定位導航方法。

為了能夠應用結構化環境下智能節點的攝像云臺傳感器輔助車輛進行定位，要求檢測每個粒子對應位置在圖像中的相似度匹配情況。首先，選擇無人駕駛車輛匹配的特征；然后，引入智能節點參數自動標定；最后，采用廣義特征值得到相似度匹配情況。

5結束語

車輛的導航定位是無人駕駛車輛當前控制技術研究的重點，本文采用了一種基于多信息融合認知模型的廣義SLAM算法來設計道路結構化環境下無人駕駛車輛控制器，為該項技術的研究提供了一種新的方法。

參考文獻

[1]Bailey T， Nieto J， Guivant J. Consistency of the EKFSLAM algorithm. Proc[J]. of IEEE Int. Conf. On Intelligent Robots and Systems， Beijing， 2006：3562-3568.

[2]Chang H. J， Lee C. S. G， YungHsiang Lu， Hu Y. C. PSLAM： Simultaneous Localization and Mapping With Environmental-Structure Prediction[J]. IEEE Transactions on Robotics， 2007，23（2）：289-293.

[3]喬維高，徐學進.無人駕駛汽車的發展現狀及方向[J].上海汽車，2007，07 ：40-43，

[4]秦貴和，葛安林，雷雨龍.智能交通系統及其車輛自動控制技術[J].汽車工程， 2001，02：92-95.

[5]鞠純純，何波，劉寶龍，等.基于粒子濾波器的SLAM的仿真研究[J].系統仿真學報， 2007，19（16）：3715-3723.

[6]王耀南，余洪山.未知環境下移動機器人同步地圖創建與定位研究進展[J].控制理論與應用， 2008，25（1）：57-65.