×
刘燕;任，X.M。;艾哈迈德·拉德。;张，X.Z。;Wong，Y.K。

同时定位和映射的熵优化策略。 （英语） Zbl 1203.68252号

J.智力。机器人。系统。 60，编号3-4，435-455（2010）.
摘要：我们提出了一种新的同时定位和映射算法，该算法将熵应用于构建基于分段的地图。熵已被纳入SLAM中，以提高其在非高斯不确定性和干扰存在时的灵敏度和鲁棒性。核密度估计器用于直接从传感器数据中近似样本的概率外观。然后设计了一个基于熵的鲁棒估计器，从环境中提取线段的可靠参数。采用Rao-Blackwellized粒子滤波器估计机器人的姿态，同时更新地图。仿真和实验结果验证了该方法的有效性和准确性。

MSC公司：

68T40型 机器人人工智能

关键词：

SLAM公司;熵;自主移动机器人

软件：

快速SLAM
PDF格式BibTeX公司 XML格式引用
\textit{Y.Liu}等人，J.Intell。机器人。系统。60，编号3--4，435--455（2010；Zbl 1203.68252）
全文： 内政部

参考文献：

[1] Garulli，A.，Giannitrapani，A.，Rossi，A.，Vicino，A.：用于基于线条的环境表示的移动机器人SLAM。摘自：《决策与控制》，2005年和2005年欧洲控制会议。CDC-ECC’05。第44届IEEE会议，第2041–2046页（2005）
[2] Thrun，S.：机器人制图：一项调查。收录：Lakemeyer，G.，Nebel，B.（编辑）《探索新千年的人工智能》。Morgan Kaufmann（2002）
[3] Thrun，S.、Burgard，W、Fox，D.：概率机器人学（智能机器人和自治代理）：麻省理工学院出版社（2005）·Zbl 1081.68703号
[4] Huang，S.，Dissanayake，G.：基于扩展卡尔曼滤波器的SLAM的收敛性分析。收录：机器人与自动化，2006年。ICRA 2006。2006年IEEE国际会议论文集，第412-417页（2006）
[5] Doucet，A.，Freitas，N.D.，Gordon，N.J.：实践中的序贯蒙特卡罗方法。斯普林格（2001）·Zbl 0967.00022号
[6] Thomas，M.C.，Joy，A.T.：信息理论要素（电信和信号处理威利系列）。Wiley-Interscience（2006）
[7] Bourgault，F.、Makarenko，A.A.、Williams，S.B.、Grocolsky，B.、Durrant-Whyte，H.F.：基于信息的自适应机器人探索。In:智能机器人和系统，2002年。IEEE/RSJ国际会议，第1卷，第540-545页（2002年）
[8] Stachniss，C.、Grisetti，G.、Burgard，W.：使用Rao–Blackwellized粒子过滤器进行基于信息的探索。In：程序。机器人学：科学与系统。麻省理工学院，剑桥（2005）
[9] Zhang，S.，Xie，L.，Adams，M.D.：实时同步定位和地图构建的基于熵的特征选择方案。In:智能机器人和系统，2005年。（IROS 2005）。2005年IEEE/RSJ国际会议，第1175–1180页（2005）
[10] Porta，J.M.、Terwijn，B.、Krose，B.：基于熵的高效动作选择，用于基于外观的机器人定位。收录：机器人与自动化，2003年。诉讼程序。ICRA'03年。IEEE国际会议，第2卷，第2842–2847页（2003）
[11] Murphy，K.：动态环境中的贝叶斯地图学习。In：神经信息。程序。系统NIPS 2000，第1015–1021页
[12] Manyika，J.，Durrant-Whyte，H.：数据融合和传感器管理：分散信息理论方法：Prentice Hall PTR（1995）
[13] Burgard，W.、Fox，D.、Thrun，S.：基于熵最小化的主动移动机器人定位。摘自：《高级移动机器人》，1997年。第二次EUROMICRO研讨会会议记录，第155-162页（1997年）
[14] Arnaud，D.，Nando de，F.，Kevin，P.M.，Stuart，J.R.：Rao–动态贝叶斯网络的Blackwellised粒子滤波。收录：第16届人工智能不确定性会议论文集：摩根考夫曼出版社（2000）
[15] Montemerlo，M.，Thrun，S.：使用FastSLAM同时定位和映射未知数据关联。收录：机器人与自动化，2003年。ICRA’03会议记录。IEEE国际会议，第2卷，第1985-1991页（2003）
[16] Giorgio，G.、Gian Diego，T.、Cyrill，S.、Wolfram，B.、Daniele，N.：使用Rao–Blackwellized粒子过滤器的快速准确SLAM。机器人。自动。系统。55, 30–38 (2007) ·Zbl 05137126号 ·doi:10.1016/j.robot.2006.06.007
[17] Zhang，N.，Li，M.，Hong，B.：主动移动机器人同步定位和绘图。收录：机器人与仿生学，2006年。ROBIO’06年。IEEE国际会议，第1676–1681页（2006）
[18] Saez，J.M.，Escolano，F.：使用立体视觉的熵最小化SLAM。收录于：《机器人与自动化》，2005年。ICRA 2005。2005年IEEE国际会议记录，第36-43页（2005）
[19] Blanco，J.L.、Fernandez-Madrigal，J.A.、Gonzalez，J.：使用Rao–Blackwellized粒子过滤器测量移动机器人SLAM的不确定性。国际J.Rob。第27、73–89号决议（2008年）·Zbl 05744781号 ·doi:10.1177/0278364907082610
[20] Viet，N.、Stefan，G.、Agostino，M.、Nicola，T.、Roland，S.：室内移动机器人使用2D范围数据的线条提取算法比较。国际J.Rob。第23号决议、第97–111号决议（2007年）
[21] 博尔赫斯，G.A.：一种用于二维距离图像中直线提取的分割和合并算法。摘自：《模式识别国际会议论文集》，第1卷。IEEE计算机学会（2000）
[22] Ip，Y.L.，Rad，A.B.，Chow，K.M.，Wong，Y.K.：移动机器人应用中使用增强自适应模糊聚类算法的基于分段的地图构建。国际J.Rob。第35号决议、第221-245号决议（2002年）·Zbl 1007.68689号
[23] Richard，O.D.，Peter，E.H.，David，G.S.：模式分类（第二版）。Wiley-Interscience（2000）
[24] de la Rosa，J.I.：最小熵稳健估值器的收敛：在DSP和仪器中的应用。收录：电子、通信和计算机，2004年。CONIELECOMP 2004年。第十四届国际会议，第98–103页（2004）
[25] Erdogmus，D.，Rao，Y.N.，Principe，J.C.，Jing，Z.，Hild II，K.E.：使用Givens旋转和输出方差同时提取主成分。收录于：声学、语音和信号处理，2002年。诉讼程序。（ICASSP’02）。IEEE国际会议，第1卷，第I-1069-I-1072页（2002年）
[26] Wolberg，J.：使用最小二乘法进行数据分析：从实验中提取最多信息。斯普林格（2006）
[27] Erdogmus，D.，Principe，J.C.：非线性自适应系统监督训练的误差熵最小化算法。信号处理，IEEE汇刊，第50期，1780-1786页（2002年）·doi:10.1109/TSP.2002.1011217
[28] Anderson，R.：稳健回归的现代方法。SAGE出版有限公司，伦敦（2008）
[29] Martin，A.F.，Robert，C.B.：随机样本共识：模型拟合的范例，应用于图像分析和自动制图。Commun公司。ACM公司。24, 381–395 (1981) ·数字对象标识代码：10.1145/358669.358692
此参考列表基于出版商或数字数学图书馆提供的信息。其项与zbMATH标识符进行启发式匹配，可能包含数据转换错误。在某些情况下，zbMATH Open的数据对这些数据进行了补充/增强。这试图尽可能准确地反映原始论文中列出的参考文献，而不要求完整或完全匹配。