基于ISRCDKF的移动机器人同时定位与建图研究

摘要：

为解决移动机器人在同时定位和建图(Simultaneous localization and mapping,SLAM)技术中普遍存在状态精度不高、稳定性差、计算复杂等问题,提出一种基于迭代平方根中心差分卡尔曼滤波(Iterated square root centraldifference Kalman filter,ISRCDKF)的SLAM自主定位算法,以满足SLAM过程中的实时性、准确性等要求.该算法使用中心差分变换处理SLAM的非线性问题,避免了泰勒公式展开中雅可比矩阵复杂运算;同时在滤波更新过程中,通过直接传递协方差矩阵的平方根因子减少算法的复杂度;在迭代观测更新过程中,使用列文伯格-马夸尔特(Levenberg-Marquardt,L-M)优化方法引入调节参数,实时修正协方差矩阵,达到提高算法精度、增强稳定性的目的.仿真结果表明,在相同的数据模型和噪声环境下,本文提出的ISRCDKF-SLAM算法与基于扩展卡尔曼滤波(Extended Kalman filter,EKF)的SLAM算法、无迹卡尔曼滤波(Unscented Kalman filter,UKF)的SLAM算法和容积卡尔曼滤波(Cubature Kalman filter,CKF)的SLAM算法相比,均方根误差分别降低了47.3％、32.7％和25.0％;与相同计算复杂度的UKF-SLAM算法和CKF-SLAM算法相比,新算法的运行时间分别减少了15.1％和10.8％.将新算法嵌入到移动机器人平台进行现场实验验证,进一步证明了该算法的实用性和有效性.

关键词：移动机器人、同时定位和建图、迭代平方根中心差分卡尔曼滤波、均方根误差

所属期刊栏目：50

分类号：TP242.6(自动化技术及设备)

资助基金：国家自然科学基金项目;内蒙古自然科学基金项目

在线出版日期：2020-04-24（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：394-403