基于SRCKF的移动机器人同步定位与地图构建
针对移动机器人同步定位与地图构建(simultaneous localization and mapping,SLAM)存在的计算量大、数值不稳定等问题,结合容积卡尔曼滤波(cubature Kalman filter,CKF)原理,设计了一种基于平方根CKF (square root cubature Kalman filter,SRCKF)的SLAM算法(SRCKF-SLAM).SRCKF-SLAM算法通过移动机器人运动模型和观测模型进行预测和观测,并以目标状态均值和协方差的平方根进行迭代更新,确保了协方差矩阵的对称性和半正定性,改进了数值精度和稳定性.仿真实验结果表明,相比CKF-SLAM算法,SRCKF-SLAM算法的均方根误差降低了14％,一致性区域内点数的百分比提高了36％,SRCKF-SLAM算法有效地满足了移动机器人SLAM导航需求.
移动机器人、同步定位与地图构建、平方根容积卡尔曼滤波
35
TP242.6(自动化技术及设备)
国家自然科学基金资助项目E091002/50979017;教育部高等学校博士学科点专项科研基金资助项目20092304110008;中央高校基本科研业务费专项资金资助项目HEUCFZ1026;教育部新世纪优秀人才支持计划资助项目NCET-10-0053;哈尔滨市科技创新人才优秀学科带头人研究专项资金资助项目2012RFXXG083
2013-07-01（万方平台首次上网日期，不代表论文的发表时间）
共8页
200-207
