[发明专利]一种基于模糊逻辑的同步定位与地图创建数据关联方法

摘要

本发明提出一种基于模糊逻辑的同步定位与地图创建数据关联方法，涉及自主机器人技术领域。该方法在机器人获得传感器对环境特征的观测值时，首先获取特征观测和特征估计误差椭圆，得到两个误差椭圆圆心距离的归一化新息以及两个误差椭圆的重叠比例；然后将归一化新息和重叠比例以及关联变量进行模糊化，建立模糊推理机制，将模糊化的归一化新息和重叠比例作为输入，模糊化的关联变量作为输出，并构造模糊规则；最后对模糊化的输出进行逆模糊化处理，得到单一数值的关联变量，执行地图特征管理，剔除虚假特征和虚假观测。本发明方法具有更好的抗干扰能力和鲁棒性，加快了观测值和特征的关联，且容易实现，计算量小，适合于特征密集的环境。

主权项

一种基于模糊逻辑的同步定位与地图创建的数据关联方法，其特征在于，该数据关联方法针对特征密集环境，当机器人在k时刻获得传感器对环境特征的观测值时，需要通过以下步骤对观测量值和地图中的特征进行关联；步骤1：根据特征观测和特征估计的误差协方差矩阵，分别确定所对应的2.45‑sigma误差椭圆，得到两个误差椭圆：特征观测误差椭圆和特征估计误差椭圆；步骤2：对两个误差椭圆圆心的距离进行归一化处理得到归一化新息；步骤3：确定两个误差椭圆的重叠区域分别在两个误差椭圆中所占的面积比例，得到两个误差椭圆的重叠比例；步骤4：确定输入输出模糊集合的隶属度函数，对输入变量和输出变量进行模糊化；所述的输入变量为步骤2得到的归一化新息，以及步骤3得到的两个误差椭圆的重叠比例，所述的输出变量为表示特征观测和特征估计的匹配程度的关联变量Degree；步骤5、建立模糊推理机制：将步骤4中模糊化的输入变量作为模糊推理机制的输入，将模糊化的关联变量Degree作为模糊推理机制的输出；步骤6：构造模糊推理机制的模糊规则，将模糊化后的输入变量应用到模糊规则的前项，进行聚合规则的输出；步骤7：对模糊化的输出进行逆模糊化处理，得到单一数值的关联变量；步骤8：根据得到的关联变量，进行地图特征管理，剔除虚假特征和虚假观测。