[发明专利]一种基于遗传算法的离线参数标定方法

说明书

本发明公开了一种基于遗传算法的离线参数标定方法，属于即时定位与地图构建技术领域，包括以下步骤明确标定参数，选取合适输入输出变量，建立待标定参数的数学模型；采集N组输入输出变量数据，建立最小化残差函数，用于代表上述数学模型映射到理论上对应的输出变量空间与实际输出向量空间的差值；利用遗传算法选取输入输出变量中的最优个体，带入所述最小化残差函数中，求解出待标定参数。通过采集多组输入变量和输出变量数据构建最小化目标函数，运用遗传算法求解参数变量，最终得到需要标定参数的全局最优解，该方法便捷高效，适应性高，全局寻优能力强。

技术领域

本发明属于即时定位与地图构建技术领域，特别涉及一种基于遗传算法的离线参数标定方法。

背景技术

SLAM(即时定位与地图构建)领域中的参数标定工作至关重要，如：视觉SLAM中相机成像的几何模型参数，激光SLAM中激光雷达与底盘中心的相对位姿矩阵等，其标定结果的准确性和精度直接影响SLAM算法的精确性和稳定性。在建立参数标定数学模型的基础上，用于求解参数的数学方法有最小二乘法、高斯牛顿法等，此类方法在给定良好初始迭代值下能够收敛到全局最优解，但是给定不适当的初始值下容易陷入局部最优解。

遗传算法(英文：Genetic Algorithm，简称：GA)是一种并行算法，具有很强的全局收敛能力，因此本发明提出一种基于遗传算法(GA)离线参数标定方法，尤其适用于标定参数数学模型复杂的情况。

发明内容

本发明的目的就在于为了解决上述参数标定需要依赖初始值的给定，否则标定的参数变量易陷入局部最优解的问题提出一种基于遗传算法的离线参数标定方法，具有确输入变量与输出变量的基础上首先建立参数标定的数学模型，在线采集多组输入变量以及相对应的输出变量值，再离线进行遗传算法求解，最终得到需要标定参数的全局最优解，便捷高效，适应性高，全局寻优能力强的优点。

本发明通过以下技术方案来实现上述目的，一种基于遗传算法的离线参数标定方法，包括以下步骤：

明确标定参数，选取合适输入输出变量，建立待标定参数的数学模型；

采集N组输入输出变量数据，建立最小化残差函数，用于代表上述数学模型映射到理论上对应的输出变量空间与实际输出向量空间的差值；

利用遗传算法选取输入输出变量中的最优个体，带入所述最小化残差函数中，求解出待标定参数，其中遗传算法包括：

a、设计可被处理器识别的个体编码方式来代表N组输入输出变量数据，将代表每组变量数据的个体编码组成编码串；

b、将所述编码串作为初代种群，并对所述初代种群中的各参数变量进行所述最小化残差函数运算，选择最优个体；

c、对初代种群中的最优个体进行迭代，达到最大迭代次数后，输出最优个体。

优选的，所述待标定参数的数学模型为：

[y₁,y₂,…]＝f(a₁x₁+a₂x₂+…)or Y＝f(P·X)

其中，f表示输入变量和输出变量的函数关系，即需要建立的数学模型,‘·’表示向量内积，X表示输入向量：X＝[x₁,x₂,…]，x_i(i＝1,2,…)表示第i个输入变量；Y＝[y₁,y₂,…]，y_i(i＝1,2,…)表示第i个输出变量，P表示带标定参数向量：P＝[a₁,a₂,…]，a_i(i＝1,2,…)表示第i个标定参数。

优选的，所述最小化残差函数为：