×
于飞;孙倩;吕崇阳;Ben，岳阳;傅燕伟

一种基于自适应容积卡尔曼滤波的SLAM算法。 （英语） Zbl 1407.93399号

数学。问题。工程师。 2014年，文章ID 171958，11 p.（2014）.
小结：当使用传统的同时定位和映射（SLAM）解决方案时，我们需要预测系统的数学模型和噪声统计的先验知识。然而，在许多实际应用中，噪声的先验统计是未知的或时变的，这将导致较大的估计误差甚至引起发散。为了解决上述问题，本文在自适应体积卡尔曼滤波器（ACKF）的基础上，提出了一种创新的基于体积卡尔曼滤波器的SLAM算法（CKF-SLAM）。新算法通过引入Sage-Husa噪声统计估计器来估计未知系统噪声的统计参数。结合CKF-SLAM和自适应估计器的优点，新的ACKF-SLAM算法可以显著降低状态估计误差，有效提高SLAM系统的导航精度。通过不同场景下的数值模拟，验证了该新算法的性能。结果表明，新的自适应CKF-SLAM算法可以有效地减小位置误差。与其他传统SLAM方法相比，非线性SLAM系统的精度显著提高。验证了所提出的ACKF-SLAM算法的有效性和可行性。

引用于1文件

MSC公司：

93E11号机组 随机控制理论中的滤波
PDF格式BibTeX公司 XML格式引用
\textit{F.Yu}等人，《数学》。问题。Eng.2014，文章ID 171958，11 p.（2014；Zbl 1407.93399）
全文： 内政部

参考文献：

[1] 张伟。；朱，M。；Chen，Z.，基于强跟踪UKF的自适应SLAM算法，Robot，32，2，190-195（2010）
[2] Wang，H。；Fu，G。；李，J。；严，Z。；Bian，X.，一种基于UKF的自适应无人水下航行器SLAM方法，工程数学问题，2013（2013）·Zbl 1299.93205号 ·doi:10.1155/2013/605981
[3] 格拉，E。；Munguia，R。；Bolea，Y。；Grau，A.，单目大满贯数据关联验证，工程数学问题，2013（2013）·doi:10.1155/2013/671376
[4] 杜兰·怀特，H。；Bailey，T.，《同步定位和绘图：第一部分》，IEEE Robotics and Automation Magazine，13，2，99-108（2006）·doi:10.1109/MRA.2006.1638022
[5] Chandra，K.P.B。；顾德伟。；Postlethwaite，I.，基于Cubature kalman滤波器的定位和制图，世界大会，18，1，2121-2125（2011）
[6] 纽希特，A。；苏尔曼，H。；Lingemann，K。；赫茨伯格，J。；Thrun，S.，6D SLAM及其在自主矿山测绘中的应用，IEEE机器人与自动化国际会议（ICRA’04）论文集
[7] 查特吉，A。；Matsuno，F.，《移动机器人中基于EKF的同时定位和映射（SLAM）问题解决方案的鹅粒子群优化模糊监督》，应用专家系统，37，8，5542-5548（2010）·doi:10.1016/j.eswa.2010.02.059
[8] 黄，S。；Dissanayake，G.，基于SLAM的扩展卡尔曼滤波器的收敛性和一致性分析，IEEE机器人学报，23，5，1036-1049（2007）·doi:10.1109/TRO.2007.903811
[9] Sun，G。；王，M。；Wu，L.，分数阶混沌系统参数识别的扩展分数卡尔曼滤波器的意外结果，国际创新计算、信息与控制杂志，7，9，5341-5352（2011）
[10] 朱利尔，S.J。；Uhlmann，J.K.，卡尔曼滤波器对非线性系统的新扩展，航空航天/国防、传感、仿真和控制国际研讨会论文集
[11] 严，X。；赵，C。；Xiao，J.，基于迭代无迹卡尔曼滤波器的新型fastslam算法，IEEE机器人与仿生学国际会议论文集（ROBIO’11）
[12] 阿拉萨拉特南，I。；Haykin，S.，Cubature卡尔曼滤波器，IEEE自动控制汇刊，54，6，1254-1269（2009）·兹比尔1367.93637 ·doi:10.1109/TAC.2009.2019800
[13] 阿拉萨拉特南，I。；海金，S。；Hurd，T.R.，《连续离散系统的Cubature Kalman滤波：理论和仿真》，IEEE信号处理汇刊，58，10，4977-4993（2010）·Zbl 1391.93223号 ·doi:10.1109/TSP.2010.2056923
[14] 高，W。；Zhang，Y。；Wang，J.，基于容积卡尔曼滤波器的捷联内部导航系统/北斗/多普勒速度记录组合导航算法，Sensors，14，1，1511-1527（2014）
[15] 唐，X。；魏杰。；Chen，K.，平方-罗自适应容积卡尔曼滤波器及其在航天器姿态估计中的应用，第十五届信息融合国际会议论文集
[16] Mehra，R.K.，《关于方差识别和自适应卡尔曼滤波》，《IEEE自动控制汇刊》，第15期，第2期，第175-184页（1970年）
[17] Fitzgerald，F.R.，卡尔曼滤波器的发散，IEEE自动控制汇刊，16，6，736-747（1971）
[18] 巴蒂斯塔，P。；西尔维斯特，C。；Oliveira，P.J.，一类运动系统的卡尔曼和H无穷大最优滤波，第17届世界大会论文集，国际自动控制联合会（IFAC’08）·doi:10.3182/20080706-5-KR-1001.1981
[19] 王，Z。；沈，B。；Liu，X.，（H_\infty）用随机发生的传感器饱和和缺失测量值进行滤波，Automatica，48，3，556-562（2012）·Zbl 1244.93162号 ·doi:10.1016/j.automatica.2012.01.008
[20] Wang，J.-H。；宋，C.-L。；姚，X.-T。；Chen，J.-B.，用于船用捷联惯性导航系统初始对准的Sigma点H无穷滤波器，第二届信号处理系统国际会议论文集（ICSPS’10）·doi:10.1109/ICSPS.2010.5555563
[21] 赵，L。；Wang，X.，带噪声统计估计器的自适应UKF，第四届IEEE工业电子与应用会议论文集（ICIEA'09）·doi:10.1109/ICIEA.2009.5138274
[22] Sun，G。；王，M。；黄，L。；Shen，L.，通过切换分数阶系统生成多涡旋混沌吸引子，电路，系统和信号处理，30，6，1183-1195（2011）·Zbl 1244.34006号 ·doi:10.1007/s00034-011-9272-2
[23] Wang，J。；刘杰。；Cai，B.-G.，嵌入式组合导航系统中的信息融合算法研究，智能计算技术与自动化国际会议论文集（ICICTA’08）·doi:10.1109/ICICTA.2008.481
[24] Wang，H。；Wang，J。；卞，X。；Fu，G.，基于组合EKF的AUV SLAM，Jiqiren/Robot，34，1，56-64（2012）·doi:10.3724/SP.J.1218.2012.00056
[25] 川村，S。；Sakagami，N.，基于时间尺度变换的机器人运动规划和控制，机器人控制进展，157-178（2006），美国纽约州纽约市：Springer，纽约州纽约州纽约·Zbl 1117.70008号
[26] 梅，S。；刘，F。；薛安，《电力系统暂态分析中的半张量积方法》（2010），清华大学出版社
[27] 格里塞蒂，G。；Kummerle，R。；斯泰尼斯，C。；Burgard，W.，《基于图形的SLAM教程》，IEEE Intelligent Transportation Systems Magazine，2，4，31-43（2010）·doi:10.1109/MITS.2010.939925
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。