[发明专利]基于概率膜计算的煤矿井下无人直升机SLAM

权利要求书

1.基于概率膜计算的煤矿井下无人直升机SLAM，其主要包括传感器模型、基于概率稀疏扩展SLAM、概率膜计算SLAM，其特征在于，所述传感器模型是在分析各传感器工作原理的基础上，给出相应传感器数学模型；其次，设计膜内概率膜算法，构建概率膜系统，基于稀疏滤波实现概率SLAM地图构建。

2.根据权利要求1所述的基于概率膜计算的煤矿井下无人直升机SLAM，其特征在于，所述传感器模型包括惯性测量单元、激光雷达、深度相机，惯性测量单元由三个线性、正交的加速度计和陀螺仪构成，可测量正交坐标轴下的角速率和加速度；激光雷达作为利用激光脉冲实现位置测量的传感器，通过控制激光束反射角度来描述方位角及俯仰角，深度相机可测量像素的深度。

3.根据权利要求1所述的基于概率膜计算的煤矿井下无人直升机SLAM，其特征在于，所述基于概率稀疏扩展SLAM，具体扩展方法如下：

当无人直升机不清楚自身位置，无法获取环境地图，所有的数据集中于测量数据和控制数据，从概率学角度，SLAM问题被划分为全SLAM和在线SLAM，在全SLAM中，除了直升机位姿，还需要计算路径和后验地图，时间t时刻的概率可表达为：

p(x_1～t,m|y_1～t,u_1～t) (13)

在线SLAM，考虑即时位姿和地图后验，时间上的概率表达为：

p(x_t,m|y_1～t,u_1～t) (14)

式(13)和式(14)中，x_t表示t时刻直升机位姿，m表示地图，y_1～t,u_1～t为测量和控制数据，其分别表示的模型如图4所示，

在实际应用过程中，对全SLAM的过去状态积分可实现在线SLAM，积分呈现连续状态，依次进行，如式(15)所示，

p(x_t,m|y_1～t,u_1～t)＝∫∫···∫p(x_1～t,m|y_1～t,u_1～t)dx₁dx₂···dx_t-1 (15)

基于连续和离散的问题，连续问题包含地图中无人机位姿和定位，在特征表示过程中物体以信标等表示，而离散特性与一致性关联，检测到物体时，算法会计算前后检测到物体之间的关联，表现出离散特征，即”0”或”1”状态，因此，一致性的明确很必要，结合式(13)和式(14)，加入一致性变量的在线和全SLAM如下：

式(16)中，f_t为一致性变量下对应的矢量，

稀疏扩展滤波：与扩展卡尔曼滤波相比，出于在线运行和计算高效率目的，稀疏扩展滤波表征了信息的高效性，继承无人直升机位姿和地图后验证，即通过非零元素相连接的维持稀疏矩阵，稀疏扩展滤波的计算过程包含测量更新、运动更新、稀疏化和估计四部分，

运动更新使用矩阵的稀疏性，在时间上不依赖地图的规模，把信息矩阵Ω和矢量ζ通过更新来完成对控制的处理，根据卡尔曼滤波给出：

式(17)和式(18)中，Σ表示协方差矩阵，F_x表示直升机状态矢量矩阵，G_t表示雅可比矩阵表示对时间t的导数，表示时间t时刻的估计均值，其中G_t，F_x，δ的表示如下：

根据式(18)和式(19)可推导出：

式(22)中信息矩阵Ω维数随机且在有限时间实现，假设信息矩阵Ω稀疏，则更新效率增强，定义：

将式(23)代入式(22)可得：

由矩阵逆引理可进一步得到：

假设有限时间内根据Ω计算得到Φ_t，则存在时间有限条件下的计算可行性，利用直升机位姿和地图特征的矩阵元素(非零)，稀疏条件下不依赖Ω的大小，考虑G_t的逆，可以由以下计算得出：

式(26)中，对应地图特征元素非零，

测量更新考虑直升机飞行过程中的滤波更新，通过扩展卡尔曼滤波实现：

其中，Q_t为噪声协方差矩阵。