移动机器人同时定位与地图构建的统计方法

移动机器人需要基本信息以便在环境中导航：它们需要知道自己在哪里（定位），以及需要知道要去哪里。对于后者，机器人需要环境地图。利用各种形式的传感器，机器人在穿越环境时收集信息以构建地图。在本文中，我们提出了一种新的采样算法来解决室内环境中的同时定位与地图构建（SLAM）问题。我们从贝叶斯统计的角度处理该问题。数据对应于在离散时间点获得的一组测距仪和里程计测量值。我们专注于估计给定数据下可能地图空间的后验分布。通过利用该分布的不同因式分解，我们推导了三种基于重要性采样的采样算法。我们通过在卡内基梅隆大学和智利天主教大学办公楼内通过机器人导航获得的两个真实数据集上测试这些算法，展示了我们方法的结果。