SLAM中机器人定位误差控制研究*

苏金文,陈西平

(1.滁州学院；2.河南理工大学)

0 引言

SLAM[1-2]是指机器人没有先验地图存在，初始位姿和环境都是未知，需要对未知环境进行创建，存储起来，再通过已创建的地图进行自身位姿的确定，整个过程需要依靠传感器数据，实现自身定位和增量式地图的构建.同时定位与地图创建对软硬件具有较高的要求，以保证机器人运动的鲁棒性、实时性.

在已知环境中，机器人可以很方便的利用已知特征进行全局定位，实现对里程计的误差的纠正，但在SLAM中，机器人的具体位置和所创建地图中的特征是不确定的，无法对里程计估计的位姿进行有效纠正，因此，机器人运动距离越远，定位越不准确，导致错误的数据关联[3-4]，地图创建失真，特征的位置误差变大，依靠特征进行全局定位时，将进一步增大机器人位置误差.由此可见，机器人定位与环境构建互为因果，相互作用，任何偏差都会影响使机器人定位和环境特征的位置估计，产生累计误差.

该文对于SLAM中定位存在误差的问题，采用几何信息地图表示法进行环境几何特征的提取，实现对环境的描述，同时，提出采用一种逆推法计算机器人运动距离，再与里程计记录的距离相比较，设定误差阈值，校正机器人的实际位姿，以此来减小机器人定位误差.

1 方法介绍

目前地图的表示方式又多种，归纳起来大致分为三类：栅格地图表示法[5]、几何地图表示法[6]和拓扑地图表示法[7]，该文中采用几何地图表示法.

1.1 几何地图

几何地图创建是由传感器获取环境信息，然后对其中特征信息进一步提取，将环境信息抽象为几何特征，如直线、圆和曲线等，以此来描述环境，该方法计算量小，利于位置估计.

1.2 逆推法

在机器人初始时刻t0，位姿为(x0,y0,θ0)，此时的位姿是准确的，随着机器人运动距离的增加，里程计等传感器误差累计，机器人位姿将不再准确.

假设在t时刻机器人的位姿为(xt,yt,θt)，此时，环境中局部特征已经由几何信息地图创建，t时刻观测到一特征点p，换算到世界坐标系中，机器人相对于特征点的距离为dt，随着机器人运动，在t+1时刻，机器人的位姿变为(xt+1,yt+1,θt+1)，假设此时观测到t时刻的同一特征点p，机器人相对特征点p的距离为dt+1，如图1所示.

图1 机器人不同时刻位姿

根据图1所示,通过余弦定理可以求得机器人从t时刻到t+1时刻运动距离S.

(1)

其中α=|θt-θt+1|.

1.3 失效判定

由于机器人安装了里程计传感器，从t时刻到t+1时刻里程计记录的位姿可以计算出两不同时刻直线距离L.

(2)

将L与式(1)计算出的运动距离S相比较，设定0.5m的误差阈值，即

|S-L|≤0.5

若机器人距离L和S的差值大于0.5m，可以认为里程计误差大，不能继续相对定位，需要进行全局定位，此时可以通过观测点p对机器人位姿进行更正，由于特征点p位姿此时已知，设为(xp,yp,zp)，由图1可以得出，

(3)

2 实验结果分析

该文使用的是全维足球机器人，由上海交通大学开发的，实验场地为足球机器人比赛场地，不预先存储先验地图，由机器人在行走过程中创建几何地图，同时完成自身定位.定位方法流程图如图2所示.

在实验中，分时段记录下机器人的实际位置，得到机器人在世界坐标系下的实际位姿.图3反映了上述算法对机器人位置误差的控制效果，从中可以看到，机器人的定位误差被控制在0.5m范围内，定位比较准确.

图2 定位流程图

图3 机器人运动误差

机器在自身定位过程中，不断完成环境地图构建，所创建的环境地图如图4所示，通过与实际环境地图对比，可以看出，机器人比较准确的位姿下创建的地图与实际环境地图基本吻合，达到了正确进行环境构建的要求.

(a)实际环境地图

(b)机器人创建的地图图4 机器人创建地图与实际环境地图对比

3 结束语

通过采用依靠特征计算机器人前后时刻运动距离，与里程计记录的前后时刻位姿所计算的运动距离相比较的方法,可以有效的实现机器人同时定位和环境构建的要求，在里程计误差累计增大的情况下，可以利用先前在正确位姿下创建的特征对当前时刻的位姿进行更正，很好的解决了全局定位问题.对于如何更精确的提取环境特征，以及如何更有效的进行数据关联，更好的实现同时定位和地图创建，是今后所需研究的方向.