平方根容积卡尔曼滤波概率假设密度算法在移动机器人同时定位与地图构建中的应用

摘要：

针对杂波环境或数据关联模糊环境下移动机器人同时定位与地图构建(SLAM)的问题,本文提出平方根容积卡尔曼滤波概率假设密度(SRCKF-PHD)SLAM算法,该算法的主要特点在于:1)采用容积规则方法计算非线性函数高斯权重积分以及机器人位姿粒子权重,达到改善位姿估计性能的目的;2)在高斯混合概率假设密度更新过程中,将平方根容积卡尔曼滤波应用于高斯项权重更新及观测似然计算中,保证了协方差矩阵的对称性和半正定性,提高了地图估计的精度和稳定性.通过仿真实验及Car Park数据集,将提出算法与RB-PHD-SLAM算法进行对比,结果表明该算法对机器人位姿估计精度及地图估计精度的提高是有效的.

关键词：移动机器人、同时定位与地图构建、平方根容积卡尔曼滤波、概率假设密度

所属期刊栏目：31

分类号：TP242(自动化技术及设备)

资助基金：国家自然科学基金资助项目61134001,60905055,51274144;国家“973”计划资助项目2012CB215202;国家“863”计划资助项目SS2012AA052302;河北省自然科学基金资助项目F2012210031;博士后科学基金资助项目2013T60197;中央高校基本业务费资助项目2014JBM014

在线出版日期：2014-10-11（万方平台首次上网日期，不代表论文的发表时间）

页数：共9页

页码：1009-1017