×

兹马思-数学第一资源

通过压缩的\(H{\infty})过滤,健壮而高效的SLAM。(英语) Zbl 1300.93122
同步定位与映射(SLAM)是自主移动机器人的一项重要而富有挑战性的工作,需要同时估计机器人的姿态和环境特征。特别是,在SLAM实现中,需要实现健壮性和效率。未知环境中的机器人很可能会出现建模误差,而这些误差很难用统计特性来描述。为了减轻不确定性和干扰的影响,可以使用鲁棒滤波器,例如\(H{\infty})滤波器。然而,鲁棒滤波器的实现非常复杂,需要大量的计算资源。本研究提出一个压缩滤波器来解决机器人动力学受不确定性及测量值受有界但未知干扰的鲁棒SLAM问题。为了实现有效的实现,将状态分为活动状态和非活动状态,其中活动和非活动状态指的是在历元处不变且与测量无关的状态变量。通过这种划分,活动状态表示机器人的姿态和在机器人周围某个区域内的地标位置。由于在一个时间段内只需要估计活动状态,所以计算量减少。提出了一种更新方案,在时间段结束时细化整个状态。此外,为了减小误差,采用了相对地标表示法,使得主动状态和非活动状态之间的互相关很小。因此,既能提高效率又能提高鲁棒性。仿真结果表明,所提出的计算复杂度较低的压缩滤波器与全阶滤波器的结果非常接近。此外,与扩展Kalman滤波器(EKFs)和FastSLAM相比,压缩的\(H{\infty})滤波器更具鲁棒性。
理学硕士:
93C85型 控制理论中的自动化系统(机器人等)
93E11型 随机控制理论中的滤波
B3936号 \(H^\infty\)-控制
软件:
快攻
PDF格式 BibTeX公司 XML 引用
全文: 内政部
参考文献:
[1] Hochdorfer,《走向强大的视觉冲击法:应对终身手术的挑战》,Proc。德国慕尼黑国际会议高级机器人展第1页–(2009年)
[2] 尼博特,《实验机器人学》第八卷第200页–(2003年)
[3] Kim,Unscented FastSLAM:一个健壮有效的SLAM问题解决方案,IEEE Trans。机器人。第24(4)页808–(2008年)
[4] Wurm,填补了基于特征和网格的SLAM和Robot之间的差距。自动。系统。58(2)页140–(2010年)·Zbl 05725035
[5] Doh,一个基于Voronoi图的超对称环境SLAM,Proc。IEEE/RSJ国际会议国际会议。机器人系统。第218页–(2003年)
[6] 崔,移动机器人撞击的鲁棒声纳特征检测。IEEE/RSJ国际会议国际会议。机器人系统。第3415页–(2005年)
[7] 杜安,进化粒子滤波与激光测距仪同时定位与地图建立。第四届国际会议自然计算1页443–(2008年)
[8] Guivant,实时实现同步定位和地图生成算法的优化,IEEE Trans。机器人。自动驾驶。17(3)第242-2001页
[9] Nagpal,H设置中的滤波和平滑,IEEE Trans。自动驾驶。对照组36(2)pp 152–(1991)·Zbl 0758.93074
[10] Shaked,H-最优估计:教程,过程。第31届IEEE会议决定。对照2第2278页–(1992年)
[11] 绿色,线性鲁棒控制(1995)
[12] 李建民,离散时间H-滤波器的瞬态与渐近分析,欧洲。J、 对照组3(1)第317页–(1997年)·Zbl 0896.93032
[13] Hassibi,不定二次估计与控制——H2和H理论的统一方法(1999)·Zbl 0997.93506
[14] 安,状态相关噪声随机时滞系统的鲁棒H滤波,亚洲控制杂志10(3)第384页–(2008)
[15] 杨,基于delta算子方法的一类时变时滞马尔可夫跳跃系统的鲁棒H滤波,亚洲控制杂志13(3)第398页–(2011)·Zbl 1221.93262
[16] 郑,异步切换下离散时间切换状态延迟系统的指数H滤波,亚洲控制杂志15(2)第479页–(2013)·Zbl 1327.93390
[17] 艾尼克,鲁棒扩展卡尔曼滤波,IEEE Trans。信号处理。47(9)页2596–(1999年)·Zbl 1006.93588号
[18] 韦斯特,自主式水下航行器使用强劲的砰砰声导航,Proc。IEEE内部配置控制应用。第1801页–(2006年)
[19] Nemra,具有可观测性和一致性分析的鲁棒机载三维视觉同步定位和制图,J.Intell。机器人系统。55(4-5)第345页–(2009年)·兹布1203.68260
[20] Dissanayake,同步定位和地图构建(SLAM)问题的解决方案,IEEE Trans。机器人。自动驾驶。第17(3)页229–(2001年)
[21] 维多利亚公园数据集http://www-personal.acfr.usyd.edu.au/nebot/victoria_park.htm2012
[22] Montemerlo,FastSLAM 2.0:一种改进的粒子滤波算法,用于同时定位和映射,可证明收敛。IJCAI国际联合会议人工。因特尔。第1151页–(2003年)
[23] 贝利,EKF-SLAM算法的一致性,过程。IEEE/RSJ国际会议国际会议。机器人系统。3562页–(2006年)
此参考列表基于出版商或数字数学图书馆提供的信息。它的项被试探性地匹配到zbMATH标识符,并且可能包含数据转换错误。它试图尽可能准确地反映原始论文中列出的参考文献,而不要求匹配的完整性或精确性。