穆莉莉, 陈 凯, 何世政, 姚潘涛, 祁娜娜

(安徽理工大学 机械工程学院,安徽 淮南 232001)

0 引 言

移动机器人在连续运动过程中需要求解各个时刻的位姿,在同步定位与环境建图 (simultaneous location and mapping,SLAM)领域通常采用激光测距仪作为外部传感器,利用扫描匹配方法求解出连续的激光帧之间的相对位姿变换。常采用正态分布变换(normal distribution transform,NDT)方法解决激光扫描匹配问题[1],通过建立分段连续可微的概率分布,无需建立激光点之间明确的对应关系。然而在初始位姿误差较大的情况下使用NDT方法求解容易陷入局部极值,从而导致结果错误[2]。遗传算法(genetic algorithm,GA)作为一种全局优化方法,具有极强的搜索能力[3]。近年来,有许多学者尝试将遗传算法引入到激光扫描配准问题中来,并取得了一些进展[4～10]。Tom等人[4]采用地图一致性和紧凑性作为适应度判断,逐步细分种群进行全局搜索,得到了较为准确的结果,但该方法计算代价大、速度慢,无法满足实时性要求；Kristijan等人[5]提出GLASM(genetic look-up based algorithm for scan matching)遗传方法,将参考帧激光栅格化建立查找表,通过查表的方式对种群进行适应度计算,能够快速求解出位姿变换,该方法在精度上有一定损失,且初始位姿误差大时匹配效果差；Feng D J等人[6]提出遗传粒子滤波算法求解高度非线性、非高斯的SLAM扫描匹配问题；陈焕等人[7]提出的遗传迭代最近点扫描匹配算法(generalized ICP,GICP)将改进的迭代最近点(iterative closest point,ICP)关联匹配规则作为适应度计算标准进行求解,能在里程计误差较大或者机器人绑架情况下快速收敛,一定程度上解决了扫描匹配算法中任意的配准问题。……