第2期 伍明，等：基于粒子滤波的未知环境下机器人同时定位、地图构建与目标跟踪 ·175· 从表1可见，本文设计算法在机器人定位精度 上与独立估计结果基本相同，但在对目标的定位精 度上却明显高于后者，这是由于算法在进行状态估 计时，将机器人和目标状态作为估计整体，从而引入 了机器人和目标的相关性，使对目标的状态估计更 加准确。 最后将利用2台Pioneer3DX实体机器人验证 该方法的实用性.实验环境如图6(a)所示，机器人 R,和目标机器人R2均以直线轨迹穿过布满标志柱 的环境，为了检测到目标机器人(R2),对其用色块 进行标注.当R,检测到R2时将根据方向信息并利 -13.0-125-12.0-115-110-105-1009.5 用激光扫描仪返对R2的深度和角度观测值.图6 (b)显示了利用本文方法得到的R,和R2的运行轨 (d)轮盘编码器定位扫描点分布 迹以及扫描点的分布图. 图6实体机器人实验结果 Fig.6 Results of real robot experiment 图6（©）显示了得到的标志柱不确定性分布和 R,R2的轨迹图.图6(d)显示了只用轮盘编码器得到 的结果图，对比图6(b)和图6(d)可见，运用本文设 计方法得到的扫描点分布的一致性明显优于只用轮 盘编码器进行定位的结果. 4结束语 (a)实验环境 本文针对机器人同时定位、地图构建与目标跟 踪问题提出了一种基于粒子滤波的解决方法.该方 法的特点在于将机器人SLAM和目标状态估计作为 整体进行粒子滤波估计，从而在系统状态估计过程 中引入了机器人状态、环境特征状态以及目标状态之 间的相关性，进而提高了目标状态估计的准确性.该算 法为解决更为复杂的机动目标跟踪问题铺平了道路， 并拓宽了传统SLAM的应用范围，使之能够应用到诸 如未知环境下机器人围捕、入侵检测等实际任务中. 参考文献： -13.0-12.5-12.0-11.5-11.0-10.5-10.0-9.5 [1]BESL PJ,MCKAY N D.A method for registration of 3-D (b)扫描点分布以及目标、机器人轨迹 shapes[J].IEEE Transactions on Pattern Analysis and Ma- chine Intelligence,1992,14(2):239-256. [2]FU L,MILIOS E.Robot pose estimation in unknown envi- ronments by matching 2D range scans[J].Journal of Intelli- gent and Robotic Systems,1997,18:249-275. [3]MINGUEZ J,LAMIRAUX F,MONTESANO L.Metric- based scan matching algorithms for mobile robot displace- ment estimation[C]//Proceedings of IEEE International Conference on Robotics and Automation.Barcelona:IEEE -13.0-125-120-11.5-11.0-10.5-10.0-9.5 Computer Society,2005:563-570. [4]CHATILA R,LAUMOND J P.Position referencing and (c)标志柱不确定性分布 consistent world modeling for mobile robots[C]//Proceed-