基于卡爾曼濾波與粒子濾波的SLAM研究綜述

孫海波 童紫原 唐守鋒 童敏明 紀玉明

摘要：同時定位與地圖構建（SLAM）問題在移動機器人研究領域受到了廣泛關注，其是機器人能否實現完全自主運動功能的關鍵。首先闡述了SLAM系統相關模型，并介紹了經典卡爾曼濾波相關知識;其次介紹基于擴展卡爾曼濾波、無跡卡爾曼濾波與粒子濾波的SLAM算法如何解決現實世界的非線性、非高斯問題，并總結了各算法優缺點;最后，展望了基于卡爾曼濾波的SLAM算法發展趨勢。

關鍵詞關鍵詞：SLAM;卡爾曼濾波;擴展卡爾曼濾波;無跡卡爾曼濾波;粒子濾波

SLAM Research Based on Kalman Filter and Particle Filter

SUN Hai?bo?TONG Zi?yuan?TANG Shou?feng?TONG Min?ming?JI Yu?ming

（1. School of Information and Control Engineering， China University of Mining and Technology，Xuzhou 221000，China;

2.School of Information and Electrical Engineering，University of New South Wales， Sydney2052，Australia;

3.Xuzhou Hanlin Technology Co. LTD，Xuzhou 221000，China）

Abstract：The problem of simultaneous localization and mapping （SLAM） in the field of?mobile robotics is getting more and more attention， which is regarded as the key technology to the robot's ability to achieve fully autonomous motion functions. first of all ，this article elaborates the relevant models of SLAM system， and introduces the related knowledge of classical?Kalman filter. Secondly， the SLAM algorithm based on extended Kalman filter， unscented?Kalman filter and particle filter is introduced to solve the nonlinear and non?Gaussian problems in the real world. The advantages and disadvantages of each algorithm are summarized. Finally， the development trend of SLAM algorithm based on Kalman filter is forecasted.

Key Words：SLAM; Kalman filter ; unscented Kalman filter; particle filter

0?引言

目前，基于SLAM技術的機器人定位技術有激光儀定位、紅外線定位、超聲波定位、機器視覺定位等[1]。SLAM問題是由概率機器人學演變而來的，其原理是將模型方法與行為方法相結合，處理機器人在未知環境中的自主移動問題，是實現移動機器人避障、路徑規劃以及目標跟蹤等復雜任務的前提與基礎。同時，卡爾曼濾波從系統狀態切入，解決了非平穩隨機過程等動態系統的信號處理問題。卡爾曼濾波只需要k時刻的測量量與k-1時刻的估計量，并通過不斷預估與修正，即可實時估計信號狀態，該方式節省了大量儲存與運算空間。現階段，卡爾曼濾波已演變出不同版本的算法形式，從而大大地提高了算法的精度與穩定性，并成為定位與導航系統中的研究熱點。

1?SLAM系統數學模型

SLAM（Simultaneous Localization and Mapping）是由Smith、Self等[2]在1988年提出的，SLAM問題可以描述為： 機器人在未知環境中從一個未知位置開始移動，在移動過程中根據位置估計與地圖進行自身定位，并在自身定位的基礎上建造增量式地圖，以實現機器人的自主定位及導航[3]。……