摘要
移动机器人对于自主定位导航的研究一直是一个热门的研究领域。因此设法减小在导航运行过程中的庞大计算量且不损失地图的精度是当前机器人导航研究中的一个重要难题。借鉴生物生理学的研究理论，通过结合海马结构中的神经元，可以形成对环境的事件记忆，并基于此构建认知地图。 基于海马体空间细胞神经元激活理论的研究，提出一种改进的事件记忆模型。改进的模型添加了边界细胞，并对模型中的四种空间细胞依据其放电特性进行建模，再结合赫布学习，改进边界细胞与网格细胞间的连接权值的神经网络，使神经网络通过迭代形成对空间位置的精确表达。通过仿真实验，对边界细胞与网格细胞的连接权值进行训练，仿真的训练结构以及误差曲线图表表明了改进后模型的可行性。 提出一种结合ORB特征点的改进型RatSLAM算法，通过设置局部自适应阈值对图像的像素分类，以此进行特征点的筛选与提取，简化特征点的冗杂与聚集。再使用渐进一致采样算法(PROSAC)进行特征点匹配。通过与传统RatSLAM算法和使用了SURF特征点的RatSLAM算法进行对比分析，仿真实验的结果验证了改进后算法具有快速性与低误匹配率。 最后，使用Ubuntu中的ROS平台搭建仿真模拟环境，让机器人在环境中运动通过坐标化进行认知地图的构建。再通过视觉模板匹配检测图像的相似度进行闭环检测和多圈运动的轨迹比较，仿真实验的结果验证了构建的认知地图具有更高的定位精度，且在长时间的运行任务中累计误差得到了更好的校正。
NETL