[发明专利]一种基于自适应局部和分组关联策略的SLAM数据关联方法

权利要求书

1.一种基于自适应局部和分组关联策略的SLAM数据关联方法，其特征在于，包括以下步骤：

S1，根据机器人当前位置、传感器量测范围以及当前观测值分布，自适应地确定局部关联区域；

S2，根据S1中划定的局部关联区域以及当前观测值的数量和分布，自适应地确定观测值的分组数；

S3，以S2中的分组数为基础，使用高斯混合聚类算法计算得到每一个观测值属于每一个分组的概率，并将每一个观测值归为其所属概率最大的分组；

S4，利用联合兼容分支定界算法完成各组观测值和局部区域特征之间的数据关联，并在各组中选取联合Mahalanobis距离最小的关联结果作为该组最优解；

S5，整合各组最优解得到最终的SLAM数据关联结果；

步骤S1根据机器人当前位置、传感器量测范围以及当前观测值分布，自适应地确定局部关联区域，具体步骤为：

S11：在t时刻，机器人根据t-1时刻自身位置和t-1到t时刻内部控制信息计算得到自身当前位置；

S12：根据如下公式计算局部关联区域的补偿距离：

d＝d_min+αpr

其中，d_min＝0.1米，表示最小补偿距离；α表示比例调节系数，取值范围[0.050.1]，环境特征越密集，α取值越大；r表示传感器有效量测距离；p表示当前时刻与传感器间的距离大于90％r的观测值的数目占观测值总数目的比例，可以看出，每一时刻p的取值与观测值分布有关；

S13：根据移动机器人当前时刻的位置、传感器量测范围以及S12中计算得到的补偿距离最终确定局部关联区域，公式如下：

(x_R-x_f)²+(y_R-y_f)²≤(r+d)²

其中，(x_R,y_R)表示当前时刻移动机器人的坐标，(x_f,y_f)表示已知地图中某个特征点的坐标，r表示传感器有效量测距离，d表示补偿距离；

步骤S2根据S1中划定的局部关联区域以及当前观测值的数量和分布，自适应地确定观测值的分组数，具体步骤为：

S21：将局部数据关联区域平均分成8个部分，记为{Q₁,Q₂,...,Q₇,Q₈}；

S22：统计当前时刻各部分中观测值的数目，记为{m₁,m₂,...,m₇,m₈}；

S23：将各部分观测值数目m_i(1≤i≤8)从大到小排序；

S24：求取排序后相邻两个观测值数目之间的差值；

S25：假定排序后相邻观测值数目m_a和m_b之间的差值最大，其中1≤a≤8，1≤b≤8且a≠b；

若m_i≥m_a，则把对应的Q_i标记为密集部分；若m_i≤m_b，则把对应的Q_i标记为稀疏部分；

S26：将局部关联区域中连续的密集部分合并成更大的密集部分，最终密集部分的数目即为当前时刻观测值的分组数K。