基于EKF 算法的小地块SLAM 技术研究与分析*

曹鹏铖 ， 陆 静 ， 高巧明

（1.广西科技大学机械与交通工程学院，广西 柳州 545616；2.广西科技大学广西汽车零部件与整车技术重点实验室，广西 柳州 545616）

0 引言

随着《中国制造2025》的提出和机器人技术的不断发展，自主机器人广泛应用于家庭生活、医学、农业和军事等众多领域，农用智能机械的自主作业也逐渐成为研究热点[1-2]。其中，精确的地图与定位是自主机器人工作的关键技术之一。在GPS 和高精度地图技术的支持下，在大面积的农田内实现农业机械的智能化作业已不再是问题，但是，在一些偏远地区的零碎、大小不一的小地块中，GPS 信号往往不稳定，且民用卫星的精度无法保证小地块建图的精度，严重影响农用智能机械的自主作业。在这种情况下，同步定位与建图（Simultaneous Localization and Mapping，SLAM）技术就显得尤为重要[3]。

SLAM 是指机器人处于未知环境中时，通过自身携带的传感器获得位姿信息和环境信息，实现作业过程的自身定位和地图创建[4-7]，它是自主机器人在未知环境中实现自主作业的关键技术。目前，关于机器人的SLAM 技术学术界提出了多种解决方案，有基于扩展卡尔曼滤波（EKF）的SLAM 方法[8-10]，基于粒子滤波的Fast SLAM方法[11-12]，基于全局优化的最大似然算法[13]，基于RGB-D 的视觉SLAM 方法[14]，以及基于深度学习的SLAM 方法[15-16]。基于扩展卡尔曼滤波的SLAM 算法直接提供了导航问题的递归解，以及计算机器人和路标不确定性的估计方法，因其数学的严谨性和结构的适用性，在SLAM 问题中得到了最广泛的应用。Smith 等人最早提出了基于EKF 的SLAM 解决方案，随后许多学者对其进行深入研究，并进行了延伸，在不同的场景中提出了基于EKF 的SLAM 算法[17-18]。……