文 献 综 述
位姿估计是移动机器人研究中的一个关键问题，对于运动目标跟踪、机器人导航、地图生成等具有重要意义。为了解决这个问题，人们提出了各种解决方案。航位推算方法简单易用且造价低廉，但该方法对标定误差、不良路面接触、颠簸等非常敏感，因此精度较低。惯性导航系统的精度虽然较高，但是造价昂贵且对陀螺漂移和标定误差敏感，感知范围也有限．由于存在累积误差，这两种方法都不适用于全局位姿估计．基于信标的方法虽然适用于全局位姿估计，但是由于该方法要求在环境中放置信标，在很多场合下并不适用，尤其在是室外环境。[1]
基于这些情况，一种更为可行的解决方案被予以提出——即在机器人上安装二维雷达[2]，通过匹配相邻两帧的激光雷达距离数据(称为扫描)，可以估计出相对位姿。类似地，机器人在地图上的绝对位姿也可以通过将当前位姿可以通过将当前距离数据与数字地图匹配获得。由于激光雷达的精度较高，因此这种方法获得的位姿估计的精度也非常高，而且无需对环境进行任何修改。
在三维环境中，相对位姿估计的本质就是搜索能够使相邻两帧距离扫描之间的最佳匹配的变换关系(tx，ty，tz，)，其中(tx,ty，tz)表示位移分量，表示旋转分量。
角度直方图(anglehistogram)算法[3]将三维位姿搜索问题转化成3个一维搜索问题，因而大大降低了计算量．但是，该算法要求环境具有明显的线段特征，而且其精度由于与直方图的分辨率有关而十分有限。
迭代最近点(iterativeclosestpoint，ICP)算法[4]是一种基于对应的方法，包括对应点搜索和误差最小化两部分。由于ICP算法直接使用距离数据点进行对应匹配，因此其精度和鲁棒性均高于基于特征的对应方法．但是由于距离数据点的数目较多，ICP算法的计算量较大，收敛速度较慢．此外，ICP算法和其它基于对应的方法一样具有局部最小值问题。
在完成特征点匹配问题后，对于激光雷达角度和位置变化的推算我们可以采用切线加权最近点(ITCP)算法[5] 。将扫描中的所有点依次连接起来，可以得到环境的多线段近似模型．设Pi表示当前扫描中的任意一点，ICP算法根据最近点规则，选择上一帧扫描中距离Pi最近的点作为其对应点Pirsquo;，其中距离函数可采用欧式距离或极距距离[6]。根据最近点规则得到m对匹配{Pi，Pirsquo; }后，通过最小化2帧间的误差函数即可获得两帧扫描之间的相对位姿，即，
（1）
通常，诸如上式所描述的最小化问题可采用最小二乘法来求解。但由于匹配中的部分噪声无法使用高斯白噪声来描述，因此人们考虑使用鲁棒估计的方法来求解这个问题。然而，这将可能导致算法在类孔径(aperture—like)问题下产生错误的估计。
为了解决这个问题，迭代切线加权最近点(ITCP)算法的基本思想就是为了使沿主方向的平移分量收敛得更快，令非主方向上的匹配获得与主方向上匹配相同的总权重．归一化权重的定义如下：
以上是毕业论文文献综述，课题毕业论文、任务书、外文翻译、程序设计、图纸设计等资料可联系客服协助查找。
