[发明专利]一种基于啮齿类动物模型与WIFI指纹的SLAM方法

说明书

本发明公开了一种基于啮齿类动物模型与WIFI指纹的SLAM方法，涉及仿生学以及无线信号网络领域，利用基于WIFI信号强度的指纹识别方法，运用WIFI指纹信息代替原有啮齿类动物模型中的局部场景细胞网络，离线阶段建立位置指纹数据库，在线定位阶段使用贝叶斯算法完成WIFI信号强度指纹信息的匹配，修正位姿细胞网络的活性，最终获取更加精确的经历图，采用本发明的基于啮齿类动物模型与WIFI指纹的SLAM方法，不仅使得移动机器人的定位精确度更高，且提高了系统的稳定性，具备良好的定位性能。

技术领域

本发明涉及仿生学以及无线信号网络领域，具体涉及一种基于啮齿类动物模型与WIFI指纹的SLAM方法。

背景技术

同步定位与地图构建是移动机器人目前面临的重大难题。因为移动机器人实质上就是移动的传感器平台，传感器虽然类型和能力各有不同，但是广泛存在里程计漂移和不同的噪声等问题。后来经过学者们的不断探究，仿生机器人逐渐凸显出良好的应用前景，表现出完美的生物合理性和对自然环境的高度适应性。其中研究最多的为啮齿类动物模型。

此模型将路径积分和视觉场景信息集成到位姿感知细胞模型中，从而使得移动机器人具备一定的更新预测能力，与此同时建立起时间，空间位置及行为等信息的经历制图算法，目前已经广泛用于机器人的定位导航工作中，解决了众多 SLAM难以解决的问题,但是啮齿类动物模型获取的视觉场景信息以及测距里程计的信息均存在一定程度的误差，针对视觉里程计的误差引入FAB-MAP(fast appearance based mapping)，这种基于历史模型的闭环检测算法，通过实时关键帧的匹配，可以提高系统的稳定性，但是定位的精度并不稳定，且鲁棒性不强。所以，单独的啮齿类动物模型在定位精度及鲁棒性方面有待进一步改善。

发明内容

本发明的目的在于提供一种基于啮齿类动物模型与WIFI指纹的SLAM方法，以解决现有技术中导致的上述的缺陷。

一种基于啮齿类动物模型与WIFI指纹的SLAM方法，所述方法包括以下步骤：

步骤1)通过竞争型吸引子网络，将头方向细胞与位置细胞模型化位姿感知细胞，经过位姿细胞各自的加工处理，机器人自中心信息和非中心信息刺激影响位姿细胞的活动；

步骤2)将无线信号网络WIFI作为一种传感器用到啮齿类动物模型当中，离线阶段存储环境的WIFI信号强度的感应快照，形成WIFI强度模板；

步骤3)在线阶段完成新输入的WIFI强度与离线阶段WIFI强度匹配，位姿细胞网络的活性因子被激活修正，二者结合能够阻止错误匹配的发生，产生更加准确的经历图。

优选的，所述步骤1)中，吸引子竞争网络的动力学始终操纵位姿感知细胞网络内部的活动，其内部动态过程可分为兴奋度更新，对位姿感知细胞的全局抑制，位姿感知细胞活性的归一化。

优选的，所述步骤2)中，WIFI指纹获取环境的相关信息，并和位姿感知细胞之间存在相互作用，通过建立WIFI强度指纹和位姿感知细胞之间相关的连接，将激活的WIFI指纹中能量注入到位姿感知细胞中，WIFI指纹与可用的机器人位置连接起来，被更新的连接强度则可表示为

式中：R_i为WIFI指纹中某位置的信号强度；Q_xyθ为位姿感知细胞的活性水平。

优选的，所述步骤2)中，绘制定位区域地图，规划一系列的测试参考点，由WIFI强度接收装置依次测量各参考点来自不同AP的RSSI值，即多次测量取平均值，作为该参考点AP的WIFI信号强度，并按一定格式记录在位置指纹数据库中，该数据库也被称为位置指纹地图。