基于多次测量更新的移动机器人SLAM仿真

被引：9

作者：

许亚芳 ^{[1
]}

孙作雷 ^{[1
]}

曾连荪 ^{[1
]}

张波 ^{[2
]}

机构：

[1] 上海海事大学信息工程学院

[2] 中国科学院上海高等研究所

来源：

系统仿真学报 | 2015年 / 06期

关键词：

移动机器人; 费切尔信息; 多次测量更新; 线性化误差;

D O I：

暂无

中图分类号：

TP242 [机器人];

学科分类号：

140102 [集成电路设计与设计自动化];

摘要：

针对移动机器人同时定位与地图构建(SLAM)技术中,非线性系统进行线性化处理所产生的线性化误差问题,从费切尔信息角度分析,提出多次测量更新算法。该算法利用滤波中预测和各次更新阶段状态向量的费切尔信息加权关系,解算每次测量更新后的状态估计,通过多次将更接近于真实状态的估计值融入观测信息,可得到较高精度的后验状态估计,降低线性化误差的同时提高了机器人定位与构图准确性。实验部分实现多次测量更新与一次测量更新算法的仿真与对比,结果表明:所提算法能有效降低机器人位姿误差和地图估计误差。

引用

页码：1288 / 1293

页数：6

共 6 条

[1]

基于迭代无迹卡尔曼滤波的SLAM算法仿真研究 [J].

陈晨 ;

程荫杭 .

系统仿真学报, 2012, 24 (08) :1643-1650

[2]

IMM迭代扩展卡尔曼粒子滤波跟踪算法 [J].

张俊根 ;

姬红兵 .

电子与信息学报, 2010, 32 (05) :1116-1120

[3]

GPS‐denied Indoor and Outdoor Monocular Vision Aided Navigation and Control of Unmanned Aircraft[J] Girish Chowdhary;Eric N. Johnson;Daniel Magree;Allen Wu;Andy Shein Journal of Field Robotics 2013,

[4]

Cross-spectral visual simultaneous localization and mapping (SLAM) with sensor handover[J] Marina Magnabosco;Toby P. Breckon Robotics and Autonomous Systems 2012,

[5]

The Study of Improving Kalman Filters Family for Nonlinear SLAM[J] Wu Zhou;Chunxia Zhao;Jianhui Guo Journal of Intelligent and Robotic Systems 2009,

[6]

Understanding Extended Kalman Filter-Part II:Multidimensional Kalman Filter Huang S; 2009,

← 1 →