SLAM论文速递【SLAM——PFD-SLAM:基于线性参数变化方法的自动驾驶车辆运动学/动态SLAM】—4.12（2）

论文信息

题目：

Kinematic/Dynamic SLAM for Autonomous Vehicles Using the Linear Parameter Varying Approach
基于线性参数变化方法的自动驾驶车辆运动学/动态SLAM

论文地址：

https://www.mdpi.com/1424-8220/22/21/8211

发表期刊：

Journals  Sensors  Volume 22  Issue 21  10.3390/s22218211 

标签

车辆运动学非线性处理方法、快速移动平台

摘要

针对移动机器人同时定位与地图构建(SLAM)问题，现有算法大多考虑机器人的运动学模型。然而，在自动驾驶车辆的情况下，由于质量和速度的增加，运动学模型不足以描述一些物理影响，例如。，滑移角。因此，在将SLAM应用于自动驾驶车辆时，所使用的模型应该同时考虑运动学和动力学行为。动态行为的包含意味着车辆模型的非线性是最重要的。因此，传统的基于系统模型在运行点周围线性化的观测技术，如著名的扩展卡尔曼滤波(EKF)，需要改进。因此，必须引入新的先进控制技术来更有效地处理所涉及模型的非线性。线性参数变化(LPV)技术允许处理非线性模型，进行伪线性表示，并建立系统的方法来设计应用多个规范的状态估计方案。近年来，许多应用证明了这种先进的技术是非常有用的，并且已经在各种应用领域得到了广泛的应用。在本文中，我们提出了一种基于LPV技术的自动车辆定位系统，该系统考虑了动态行为。对比结果表明，所提出的方法优于经典的基于模型线性化的观测技术。

内容简介

本文提出了一种在LPV框架下基于slam的自动驾驶车辆定位系统。所提出的方法考虑了车辆的动态行为，并且适用于之前在[2]中提出的一款自动车辆的运动学/动力学控制器架构。该控制器还使用LPV技术实现，并在两个不同时间段的独立层中执行。速度最快的层负责车辆的动态响应，而速度最慢的层负责车辆的运动学响应。因此，提出的车辆状态估计方案也应该分为两个独立的层。动态观测必须服务于动态控制器，作为最快层的一部分。在最慢的层，SLAM问题的解决方案应该允许执行定位任务，以便服务于运动学控制器。同时，它应该允许车辆周围的地图生成，以作为轨迹规划模块。

以作为轨迹规划模块。关于SLAM的最新研究进展，主要贡献如下:•提出了一种SLAM LPV KF方案，不需要对非线性车辆模型进行线性化，而是将非线性嵌入到变化的参数中。•所提出的SLAM方法同时考虑了车辆的运动学和动力学模型，与文献中可用的纯运动学方案相比，使其能够以更高的速度运行。•基于LMI框架的设计程序允许LPV KF的离线设计，降低在线计算复杂度。•LMI框架植根于李雅普诺夫稳定性理论，保证了LPV - KF方案的二次稳定性。

本文的结构如下。第2节介绍了作为案例研究的自动驾驶汽车的运动学和动力学模型。第3节描述了在LPV框架中制定的拟议SLAM方法。第4节显示了运动学和动态状态估计方案的设计过程。第5节介绍了使用考虑的案例研究的模拟结果。最后，第6节给出了本文的结论

评价

本文通过应用一种基于LPV框架的运动学/动力学模型的方法来解决SLAM问题。所提出的SLAM方法是为具有相当质量且不以低速运行的移动平台设计的，如自动驾驶车辆。对于这种类型的移动平台，其动态响应是显而易见的，并与经典SLAM问题中考虑的移动机器人形成对比，在经典SLAM问题中只对运动学影响进行建模。与传统方法不同的是，本文提出了一种车辆动态响应的估计机制，并结合了SLAM问题的解决方案。此外，该方法证明，要解决具有重要非线性行为的问题，有必要深入研究先进的控制技术，避免经典的EKF，即在工作点周围线性化系统模型。该方法基于LPV技术，考虑了整个问题域，避免了任何线性化，并在仿真中进行了验证，显示了多面体静止观测器相对于Ricatti迭代观测器的优越性。为了实现多面体估计器，有必要重新表述SLAM问题，发展方程(5)所示的地图运动学模型，该模型允许SLAM问题的线性观测模型，并为其引入机器人中心的观点。此外，polytopic技术只需要考虑车辆周围的可测量环境，避免了对整个地图的维护。仿真结果表明，这些松弛操作不会对定位任务产生不利影响，使其优于经典的基于ekf的定位方法

此外，所提出的方法考虑了一种观测系统，其结构与[2]中提出的自动驾驶车辆的运动学/动力学控制器分层结构相耦合。两个系统使用相同的车辆模型，并使用增益调度LPV技术实现。这两种系统都表明，可以将运动学和动力学响应分开，从而可以独立于运动学处理进行动态处理。同时，本文展示了如何将车辆运动学估计层与SLAM问题相结合，就像在[3]中将车辆运动学控制层与轨迹规划器相结合一样。因此，提出的运动学/动态定位系统允许推进分层软件的开发，从而允许车辆的自动驾驶。作为未来的工作，将进一步研究以下方面:•提出的方法将在当前正在进行的研究项目的背景下进行实车应用和测试。•将探索所提出的观测方法的扩展，以考虑3D场景因素(如地面不平和车辆不稳定)。也会考虑加入距离传感器而不是状态传感器。