基于混合信息滤波的粒子滤波SLAM算法

被引：2

作者：

王晓华

杨幸芳

机构：

[1] 西安工程大学电子信息学院

来源：

计算机应用研究 | 2013年 / 30卷 / 07期

关键词：

同时定位与地图创建; 精确稀疏滞后状态滤波; 精确稀疏扩展信息滤波; 粒子滤波; 历史信息;

D O I：

暂无

中图分类号：

TP242 [机器人];

学科分类号：

1111 ;

摘要：

为解决粒子滤波SLAM中存在的计算效率高及粒子退化造成的估计精度低等问题,结合精确稀疏滞后状态信息滤波估计精度高以及精确稀疏扩展信息滤波计算效率高的优点,将两者混合应用于粒子滤波SLAM算法中,不但在保证计算效率的条件下提高了状态估计精度,并且还克服了机器人转动状态以及环境特征疏密带来的应用缺陷。实验结果表明了该方法的有效性与可行性。

引用

页码：1988 / 1990+1994 +1994

页数：4

共 15 条

[1] 基于稀疏扩展信息滤波和粒子滤波的SLAM算法 [J].

朱代先 ;

王晓华 .

计算机应用, 2012, 32 (05) :1325-1328

[2] 一种改进的稀疏扩展信息滤波SLAM算法 [J].

郭剑辉 ;

赵春霞 .

模式识别与人工智能, 2009, 22 (02) :263-269

[3] 一种基于遗传算法的FastSLAM 2．0算法 [J].

周武 ;

赵春霞 .

机器人, 2009, 31 (01) :25-32

[4] 稀疏扩展信息滤波SLAM算法的稀疏规则研究 [J].

郭剑辉 ;

赵春霞 ;

石杏喜 .

系统仿真学报, 2008, (24) :6673-6677+6682

[5] 用改进的Rao-Blackwellized粒子滤波器实现移动机器人同时定位和地图创建 [J].

厉茂海 ;

洪炳熔 ;

罗荣华 .

吉林大学学报(工学版), 2007, (02) :401-406

[6]

面向智能移动机器人的同时定位与地图创建研究[D]. 周武.南京理工大学 2009

[7]

Filtering via simulation: auxiliary particle filters. Pitt M K, Shephard N. Journal of the American Statistical Association . 1999

[8]

Hierarchical SLAM:real-timeaccurate mapping of large environments. ESTRADA C,NEIRA J,TARDOS J. IEEE Trans on Robo-tics . 2005

[9]

A tutorial on particle filters for online nonlinear/non-Gaussian Bayesian tracking. M Sanjeev Arulampalam, Simon Maskell, Neil Gordon, et al. IEEE Transactions on Signal Processing . 2002

[10]

Exactly sparse extendedinformation filters for feature-based SLAM. WALTER M,EUSTICE R,LEONARD J. The InternationalJournal of Robotics Research . 2007

← 1 2 →