【AGV小车定位技术及地图匹配技术研究的国内外文献综述2500字】

–PAGE28–AGV小车定位技术及地图匹配技术研究的国内外文献综述定位技术研究现状AGV小车在实际工作中需要准确导航，而实现导航功能的前提之一就是确定自身在环境中的位置。定位的准确性、实时性决定了AGV小车性能的好坏。因此AGV小车子定位技术也是机器人研究的主要方向之一。经过众多学者的研究，提出了定位的概念。定位是指机器人通过传感器获取周围环境信息，在通过对这些信息的处理来确定自己的位姿状态。定位技术总体上可分为相对定位技术和绝对定位技术两种[6]。本小节对国内外现有的两种定位技术现状进行了总结。相对定位技术相对定位技术也叫位姿跟踪技术。是指通过陀螺仪和里程计等传感器记录自身位移矢量，并通过与初始位姿进行叠加，得到自身实时位置。相对定位技术按测量原理不同又可以分为两种：一种为惯性导航（InertialNavigation），一种为测程法（Odometry）[7]。惯性导航指基于移动机器人已知的初始位姿，利用加速度计、陀螺仪、电磁罗盘等惯性元件测得移动机器人的航向角和速度惯性量，通过对传感器数据进行处理，得到机器人的前后位姿变化，再结合机器人初始位姿，确定机器人位置。而机器人的速度与角速度值可基于惯性量进行一阶积分获得，在基于速度和角速度进行二阶积分可得出移动机器人的位移和角位移，从而用于推算位姿。测程法是通过累加移动机器人单位时间内的位移增量，确定机器人的位置。而测程法又可基于是否只用里程计分为狭义测程法和广义测程法两类。狭义测程法仅仅基于里程计的数据计算机器人的位移信息，从而获得机器人位置。与广义测程法相比，短时间内狭义测程法的定位精度高且狭义测程法使用简单;而广义测程法是在狭义测程法的基础上，将激光雷达，摄像头等外部传感器数据与里程计数据结合，相互修正误差，弥补测程法定位精度不足的问题。绝对定位技术绝对定位又称全局定位，是指在无法确认机器人初始位姿的情况下，基于机器人自身装备的传感器感知周围环境，确定自身位置[8]。常见的绝对定位技术如下：（1）导航信标定位法：是通过磁信号和超声波信号等常见的无线电信号进行定位。预前在环境中布置产生无线信号的装置，机器人在运动时采集位置已知的信标发出的无线电信号，通过计算机器人与信标间的相对位置，再通过坐标变换，得出机器人自身的位置。（2）标识定位：是指机器人的工作场所预先布设好既有以识别特征的人工路标。人工路标在环境中的位置已知，机器人在工作时测量自身与人工路标的位置，再通过坐标变换，得出机器人在环境中的准确位置。基于这一方法的反光路标和激光雷达定位是经典案例。在环境中放置用反光率高材料制成的人工路标，激光雷达能更加准确地测量出自身到路标的距离，再通过坐标变换，得出自己的位置。（3）地图匹配法：是指在预先构建好地图的环境工作时，机器人通过SLAM技术，建立局部地图。再将局部地图与全局地图进行匹配，计算出机器人的全局位置。该定位方法可通过提前构建的环境地图进行定位，因而不用在环境中布置标志物。（4）概率定位法：是指通过对移动机器人在环境中位置的概率进行计算，将计算所得的最大概率位置作为机器人当前位置。基于应用的的概率学原理不同，该方法既可进行绝对定位，又可进行相对定位。因此该方法被国内外学者看作是定位方法的主流之一，发表了大量的研究成果。地图匹配技术研究现状在各种定位方法中，地图匹配（MapMatching）定位技术是国内外的热点研究方向之一。地图匹配技术从不同维度划分有不同的分类，本小节按照匹配对象的角度，将地图匹配技术划分为基于特征的匹配技术和基于扫描的匹配技术[9]。基于扫描的匹配技术基于扫描的匹配是将激光雷达前后不同时刻扫描得到的点云数据进行匹配，在各种匹配算法中，ICP（IterativeClosestPoint）算法是应用最广泛、影响力最大的算法之一。也是国内外研究的主流方向。1987年，Horn、Arun等人基于四元素法解决了复杂情况的配准问题，该方法实现了点集与点集之间的匹配。1992年，计算机视觉研究者Besl和Mckay等人提出了迭代最近点法ICP（IterativeClosestPoint），该方法在点集与点集匹配的基础上进行改进，实现了基于自由形态曲面的配准。迭代最近算法（IPC算法）经过国内外科研工作者十几年的研究，算法原理和应用不断地得到了完善和补充。基于特征的匹配技术基于特征的匹配是将雷达数据先进行处理，提取出数据中具有鲜明特点的特征进行匹配，这些特征通常是点、线圆弧等几何特征及他们的组合。这种先对原始点云数据进行处理再匹配的方法可以有效降低数据中异常点和噪声对匹配结果的影响。具体匹配流程如下：先从雷达原始数据中提取有效特征，有效特征如点、线、面等几何元素或他们的组合，也可以针对不同应用场合自定义特征来提高匹配精度。由于点特征广泛存在与绝大多数环境中，因此基于点特征的特征提取匹配算法为国内以学者研究的重点内容之一。Nakamura等人提出一种新的全局扫描匹配算法，该算法基于特征描述符CIF（CongruenceTransformationInvariantFeature）和关键点间几何约束，具有局部不变形，在复杂环境中性能很好。Mohamed等人提出了一种自动实时扫描匹配算法，利用检测到的角点来初始化匹配过程。检测到的角用于使用最小二乘法估计连续扫描之间的转换参数。这些估计的转换参数用于计算扫描匹配过程的调整后的初始化。该初始化步骤可以增加收敛概率，并限制达到收敛所需的迭代次数。该方法可以仅用于匹配连续扫描，也可以用于辅助其他惯用的迭代方法以实现更有效和更快的收敛。参考文献[1]EdisonS.Hendriksen.AccountingTheory[M].1965[2]Bradley

J.

A.

Write-offs

as

A

ccounting

Procedures

to

Manage

Percepti

ons[J]

.

Journalof

Accounting

Research,

1988(26):

91-119.[3]Faccio

M,Lang

L.HP.

The

Choice

of

Payment

Method

in

European

Mergers

andAcquisitions

[J].

The

Journal

of

Finance,

2005,

60(3):

365-395.[4]Franeis.

J,Hanna,

D,

Vineeni.

L.

Causes

and

Effects

of

Dicretionary

AssetWrite-Offs[J].

Journal

of

Accounting

Researeh,

1996,

Vol.

34,

Supplement:

117-134.[5]Hayn

C,

Hughes

P.J.

Leading

Indicators

of

Goodwill

Impairment[J].

Journal

ofAccounting

Auditing

&

Finance,

2006,

21(

3)

:

223-265.[6]Kathiawar

Ra

manna

Evidence

on

the

use

of

unverifiable

estimation

required

goodwillimpairment[J],Journal

of

Applied

Business

Research,2007,P99-101.[7]Olante

M.

E.

Overpaid

Acquisitions

and

Goodwill

Impairment

losses-evidence

from

the

US

[J].

Advances

in

Accounting

,

2013,

29(2):

243-254.[8]Ramauna.

The

Implication

of

Fair

Value

Accounting:

Evidence

from

the

PoliticalEconomy

of

Goodwill

Accounting[J],

Journal

of

Accounting

,2006,P41-45.[9]Shower

S.

L.

Valuation

of

the

Components

of

Purchased

Goodwill

[J].

Journal

of

Accounting

Research,

2001

(38):

375-386.

[10]W.A.Paton.AccountingTheory-WithSpecialReferencetotheCorporateEnterprise[M].1922[11]陈敏,黄斌.高管薪酬结构与合并商誉确认一一基于上市公司的实证研究[J]财会通讯，2015(13)

25-28.[12]陈翔.对合并商誉会计处理的若干探讨[J]中国注册会计师,2011,

(6)

:82-84.[13]董必荣.商誉本质研究综述[J].中南财经政法大学学报,2008,03:39-43+143.[14]董晓洁.商誉、减值及盈余管理实证研究[J].商业会计,2014,

(13)

:22-24.[15]傅超,王靖懿,傅代国.从无到有,并购商誉是否夸大其实?-——基于A股上市公司的经验证据[J].中国经济问题,2016,(06):109-123.[16