王险峰，邱祖泽，丁子琳，赵 通，杨浩伟

(东北石油大学 计算机与信息技术学院,黑龙江 大庆 163318)

0 引言

人工智能技术与机器人技术已经成为当前社会中不可或缺的一部分，机器人与自主学习功能的相互融合便成为未来的主要发展方向之一。在每个行业中高度的智能化机器人设备均可以起到促进效率、提升工作质量的效果，例如工业领域的自主化流水线生产、监测领域的智能数据监测等。对于这些高智能化发展的机器人能够精准识别出实时所处的环境和位置是帮助人们生产生活的重要前提，这也是科研人员一直所追求的智能机器人成果之一。传统轮式机器人主要在SLAM技术的引导下实现对真实环境相关数据的监测和提取，然后通过机器人自身的激光雷达处理数据完成规划目标路径的任务，从而达到智能导航的目的。SLAM技术还可以为机器人搭建一套未知地形的地图资源共享平台，帮助机器人中的各个激光雷达更好地实现定位功能。

轮式机器人SLAM导航系统的研究已经有将近40年的历史，传统方法对于此类机器人自动导航系统的研究主要基于卡尔曼滤波算法，利用这种算法对机器人周边线性高速噪声系统进行优质处理，再通过其他不同种类的算法进行非线性系统的设计与数据处理，可以截取算法中产生的误差。例如文献[1]中提出的基于滤波算法的导航系统，这种系统下的轮式机器人SLAM技术与卡尔曼滤波直接共享位置信息，利用粒子群的分布表示导航系统中障碍的存在位置，以粒子滤波的方式表示轮式机器人可以通行的路径，这种系统在较为复杂的地形中更容易应用。……