Cortex-A53嵌入式处理器平台上实现激光雷达SLAM的方法.doc
《Cortex-A53嵌入式处理器平台上实现激光雷达SLAM的方法.doc》由会员分享,可在线阅读,更多相关《Cortex-A53嵌入式处理器平台上实现激光雷达SLAM的方法.doc(5页珍藏版)》请在三一文库上搜索。
1、Cortex-A53嵌入式处理器平台上实现激光雷达SLAM的方法自主移动机器人是近几年的研究热点,要实现机器人的自主移动,关键是要实现SLAM4-7(Simultaneous Localization and Mapping),也就是同时定位与地图构建。在移动机器人上实现SLAM目前有两种主流的方法,一是基于相机的SLAM;二是基于激光雷达8的SLAM。在SLAM的实现中最常用的硬件处理器平台是Intel x86平台,如TurtleBot移动机器人上的硬件处理器平台就是一台笔记本。在移动机器人上实现SLAM的硬件成本比较高,这是自主移动机器人难以进入服务市场的主要原因之一。为了解决这个问题,本
2、文在基于Cortex-A53的处理器平台上配以激光雷达实现了室内环境下的SLAM。1关于用低成本实现SLAM的思考在移动机器人中用嵌入式处理器实现SLAM是一种趋势,一是由于嵌入式处理器平台对工业现场环境有较好的适应性,二是成本相对较低。但是嵌入式处理器相对于SLAM问题来说,其性能不够高,所以在这种相对低性能的处理器上实现SLAM要解决的主要问题就是要降低计算量,并且需要对算法进行优化,使得所实现的SLAM能满足实际使用要求。基于激光雷达的SLAM相对于基于相机的SLAM来说,它的算法相对简单,计算量相对较小,对处理器的性能要求相对较低,所以才可以在性能较低的ARM平台上实现,所以选择用激光
3、雷达作为SLAM的测量输入。2扩展卡尔曼滤波与粒子滤波2.1 扩展卡尔曼滤波与粒子滤波目前实现SLAM的两种最主要的方法是扩展卡尔曼滤波和粒子滤波。基于扩展卡尔曼滤波(EKF)的SLAM算法8对非线性的运动模型和观测模型采用线性化来解决,其线性化的方法是在目标点附近做泰勒展开并去除其高阶部分,如果模型的非线性程度很大,就很容易使算法产生较大误差,因此非线性就成了这种SLAM算法中的一个很严重的问题9,且EKF还是基于高斯假设的,运动模型和观测模型中的噪声都要满足高斯分布,这样使得算法的使用受到限制。粒子滤波中用一定大小的采样样本的频率分布来表示概率分布,当样本数量趋于无穷时,粒子集的概率密度函
4、数可以近似于任意形式的概率密度分布,因此粒子滤波可以处理任意形式的状态空间模型,而不局限于高斯噪声模型。在粒子滤波中,把从后验分布中获得的采样称作粒子,粒子是对真实世界中待确定的状态的一种假设。采样后的粒子集St表示为:2.2 基于粒子滤波的SLAM的实现步骤SLAM是这样的一个过程:当机器人处于一个未知环境中且自身位置未知时,移动机器人在向前运动过程中可以构建环境地图,并同时利用构建的地图来估计自身的位置。本文中的SLAM是基于粒子滤波算法来实现的。在一个陌生的环境中,机器人位置的初始信度未知,所以认为机器人可能位于当前环境中的任何一个位置。从表示当前环境的状态空间的均匀分布中随机采样N个粒
5、子来表示机器人的初始信度分布。本文中用于地图构建的SLAM算法描述如下:3在Cortex-A53平台上实现SLAM的方法整个系统的构建过程如下:(1)软件平台中使用的操作系统是支持ARM架构处理器的Ubuntu mate16.04 LTS系统;(2)使用的ROS(Robot Operating System)机器人操作系统是kinetic版本;(3)进行网络配置,把处理器平台上的WiFi模块配置成Access Point(AP)模式,让上位机可以接入AP与Cortex-A53处理器平台通信,这样就可以在个人计算机上通过远程登录来操控机器人;(4)把上位机配置成时间服务器,让Cortex-A53
- 配套讲稿:
如PPT文件的首页显示word图标,表示该PPT已包含配套word讲稿。双击word图标可打开word文档。
- 特殊限制:
部分文档作品中含有的国旗、国徽等图片,仅作为作品整体效果示例展示,禁止商用。设计者仅对作品中独创性部分享有著作权。
- 关 键 词:
- Cortex A53 嵌入式 处理器 平台 实现 激光雷达 SLAM 方法
链接地址:https://www.31doc.com/p-3250676.html