基于高斯混合模型最大期望聚类的同时定位与地图构建数据关联

摘要：

数据关联是移动机器人同时定位与地图构建(SLAM)中状态估计的前提和基础,针对当前联合兼容分支定界算法存在计算复杂度高、耗时长的问题,提出了基于高斯混合模型(GMM)最大期望聚类分组的SLAM数据关联算法.首先,为减少同一时刻参与关联的观测值数目,在局部区域内采用GMM最大期望聚类算法对当前时刻的观测值进行分组;其次,在各观测小组中采用联合兼容分支定界算法进行数据关联;最后,综合各观测小组的观测值同局部地图特征得到的关联解,得到最优的关联结果.仿真实验结果表明,基于高斯混合模型最大期望聚类分组的SLAM数据关联算法在保证数据关联准确度的前提下,计算复杂度得到了降低,缩短了运行时间.

关键词：同时定位与地图构建、数据关联、联合兼容分支定界、高斯混合模型、最大期望聚类、移动机器人

所属期刊栏目：37

资助基金：国家自然科学基金项目;北京市教育委员会科技计划重点项目;北京市自然科学基金项目

在线出版日期：2020-07-07（万方平台首次上网日期，不代表论文的发表时间）

页数：共10页

页码：265-274