×

通过压缩\(H_{\infty}\)滤波实现稳健高效的SLAM。 (英语) Zbl 1300.93122号

摘要:同步定位与映射(SLAM)是自主移动机器人操作中的一项重要且具有挑战性的任务,其中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错误,而这些错误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_({)滤波器。然而,鲁棒滤波器的实现很复杂,需要大量的计算资源。本研究提出一种压缩(H_({)infty})滤波器来解决机器人动力学受不确定性影响、测量受有界未知扰动影响的鲁棒SLAM问题。为了实现高效的实现,将状态划分为活动状态和非活动状态,其中非活动状态指的是与历元测量无关的不变状态变量。通过这样的划分,活动状态表示机器人的姿势和机器人周围特定区域内地标的位置。由于在一个时间段内只需要估计活动状态,因此减少了计算负载。提出了一种更新方案,以在时间段结束时细化整个状态。此外,为了减少误差,还采用了相对地标表示法,这种表示法在激活状态和非激活状态之间产生较小的互相关。因此,可以实现效率和鲁棒性。仿真结果表明,所提出的压缩(H{infty})滤波器具有较低的计算复杂度,其结果与全阶(H{infty{)滤波器的结果非常接近。此外,压缩的(H_{\infty})滤波器比扩展卡尔曼滤波器(EKF)和FastSLAM更健壮。

MSC公司:

93C85号 控制理论中的自动化系统(机器人等)
93E11号机组 随机控制理论中的滤波
93B36型 \(H^\infty)-控制

软件:

快速SLAM
PDF格式BibTeX公司 XML格式引用
全文: 内政部

参考文献:

[1] Hochdorfer,走向稳健的可视化SLAM方法:应对终身运营的挑战,Proc。Int.Conf.Adv.机器人。,德国慕尼黑第1页–(2009年)
[2] Nebot,《实验机器人VIII》第200页–(2003)·doi:10.1007/3-540-36268-1_17
[3] Kim,《Uncented FastSLAM:SLAM问题的稳健高效解决方案》,IEEE Trans。机器人。24(4)第808页–(2008)·doi:10.1109/TRO.2008.924946
[4] Wurm,弥合基于特征和网格的SLAM之间的差距,机器人。自动。系统。58(2)第140页–(2010)·Zbl 05725035号 ·doi:10.1016/j.robot.2009.09.009
[5] Doh,超对称环境下基于Voronoi图的鲁棒SLAM,Proc。IEEE/RSJ国际会议情报。机器人系统。第218页–(2003)
[6] Choi,移动机器人SLAM的鲁棒声纳特征检测,Proc。IEEE/RSJ国际会议情报。机器人系统。第3415页–(2005)
[7] 段,利用激光测距仪进行鲁棒同步定位和地图构建的进化粒子滤波器,Proc。第四届国际自然计算大会1 pp 443–(2008)
[8] Guivant,实时实现的同时定位和地图构建算法优化,IEEE Trans。机器人。自动化。17(3)第242页–(2001)·doi:10.1109/70.938382
[9] Nagpal,H设置中的滤波和平滑,IEEE Trans。自动化。对照36(2)第152页–(1991)·Zbl 0758.93074号 ·数字对象标识代码:10.1109/9.67291
[10] 动摇,H最优估计:教程,Proc。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] Bolzern,离散时间H滤波器的瞬态和渐近分析,《欧洲控制杂志》3(1),第317页–(1997)·Zbl 0896.93032号 ·doi:10.1016/S0947-3580(97)70089-X
[13] Hassibi,不确定二次估计和控制——H2和H理论的统一方法(1999)·Zbl 0997.93506号 ·doi:10.1137/1.9781611970760
[14] An,具有状态相关噪声的随机时滞系统的鲁棒H滤波,Asian J.Control 10(3)第384页–(2008)·doi:10.1002/asjc.32
[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)·兹比尔1221.93262 ·doi:10.1002/asjc.322
[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号 ·doi:10.1002/asjc.526
[17] 艾尼克,鲁棒扩展卡尔曼滤波,IEEE Trans。信号处理。47(9)第2596页–(1999年)·Zbl 1006.93588号 ·doi:10.1109/78.782219
[18] West,使用鲁棒SLAM的自主水下航行器导航,Proc。IEEE国际协调控制应用程序。第1801页–(2006)
[19] Nemra,《具有可观测性和一致性分析的鲁棒机载3D视觉同步定位和绘图》,J.Intell。机器人系统。55(4-5)第345页–(2009)·Zbl 1203.68260号 ·doi:10.1007/s10846-008-9306-6
[20] Dissanayake,同步定位和地图构建(SLAM)问题的解决方案,IEEE Trans。机器人。自动化。17(3)第229页–(2001)·数字对象标识代码:10.1109/70.938381
[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,Proc。IJCAI国际联合协调文件。智力。第1151页–(2003)
[23] Bailey,EKF-SLAM算法的一致性,Proc。IEEE/RSJ国际会议情报。机器人系统。第3562页–(2006)
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。