强跟踪平方根容积卡尔曼滤波SLAM算法
针对移动机器人在状态突变时同步定位与地图构建精度下降的问题,提出了强跟踪平方根容积卡尔曼滤波SLAM算法(STF-SRCKF-SLAM).该算法首先根据移动机器人的运动学模型和观测模型进行预测,然后通过直接传播误差协方差矩阵的平方根因子进行更新,使计算复杂度大大降低.同时在预测和更新过程中引入时变渐消因子,实时调整相应数据权值,达到提高机器人定位精度的目的.仿真实验结果表明,相比容积卡尔曼滤波SLAM算法(CKF-SLAM)、平方根容积卡尔曼滤波SLAM算法(SRCKF-SALM),STF-SRCKF-SLAM算法均方根误差降低了26.25%和13.8%,运行时间减少了1.83%和1.21%,表明该算法在SLAM性能上更优.
移动机器人、同步定位与地图构建、容积卡尔曼滤波、平方根滤波、强跟踪
29
TP24;TN830.1(自动化技术及设备)
安徽省自然科学基金11040606M153;安徽高校省级自然科学研究KJ2013A041
2015-12-16(万方平台首次上网日期,不代表论文的发表时间)
共7页
1493-1499