平方根容积卡尔曼滤波概率假设密度算法在移动机器人同时定位与地图构建中的应用-论文.pdf

《平方根容积卡尔曼滤波概率假设密度算法在移动机器人同时定位与地图构建中的应用-论文.pdf》由会员上传分享，免费在线阅读，更多相关内容在行业资料-天天文库。

1、第31卷第8期控制理论与应用、，o1．31NO．82014年8月ControlTheory&ApplicationsAug．2014DOI：10．7641／CTA．2014．30741平方根容积卡尔曼滤波概率假设密度算法在移动机器人同时定位与地图构建中的应用闫德立，一，宋永端¨，宋宇，康轶非(1．北京交通大学电子信息工程学院，北京100044；2．石家庄铁道大学电气与电子工程学院，河北石家庄050043)摘要：针对杂波环境或数据关联模糊环境下移动机器人同时定位与地图构建(SLAM)的问题，本文提出平方根容积卡尔曼滤波概率假设密度(SRCKF

2、—PHD)SLAM算法，该算法的主要特点在于：1)采用容积规则方法计算非线性函数高斯权重积分以及机器人位姿粒子权重，达到改善位姿估计性能的目的；2)在高斯混合概率假设密度更新过程中，将平方根容积卡尔曼滤波应用于高斯项权重更新及观测似然计算中，保证了协方差矩阵的对称性和半正定性，提高了地图估计的精度和稳定性．通过仿真实验及CarPark数据集，将提出算法与RB—PHDSLAM算法进行对比，结果表明该算法对机器人位姿估计精度及地图估计精度的提高是有效的．关键词：移动机器人；同时定位与地图构建；平方根容积卡尔曼滤波；概率假设密度中图分类号：TP2

3、42文献标识码：ATheapplicationofsquare-rootcubatureKalmanfilterandprobabilityhypothesisdensityinsimultaneouslocalizationandmappingformobilerobotsYANDe—li1SONGYong—duanltSONGY_ulKANGYi—fei1，，，(1．CollegeofElectronicandInformationEngineering，BeijingJiaotongUniversity，Beijing100044，C

4、hina；2．CollegeofElectricandElectronicEngineering，ShijiazhuangTiedaoUniversity，ShijiazhuangHebei050043，China)Abstract：Asimultaneouslocalizationandmapping(SLAM)algorithmbasedonsquare—rootcubatureKalmanfilterandprobabilityhypothesisdensity(SRCKF—PHD)isproposed，whichisappliedt

5、osituationsofhighclutterorambiguousdataassociation．Themaincontributionsare：1)toimprovetheperformanceofrobotposeestimation，thecubatureruleisutilizedtocalculateGaussianweightedintegralofthenonlinearfunctionandrobotposeparticle’Sweight；2、intheprocessofGM—PHDupdate，SRCKFisutil

6、izedforcalculatingmeasurementlikelihoodandGaussiancomponent’Sweight，whichguaranteesthesymmetryandpositivesemi—definitenessofthecovariancematrixandimprovesthenumericalstabilityandaccuracy．TheproposedalgorithmiscomparedwiththeRB—PHD-SLAMalgorithminsimulationandCarParkdataset

7、．TheresultsshowthattheproposedalgorithmoutperformsRB—PHD—SLAMalgorithm．Keywords：mobilerobot；simultaneouslocalizationandmapping；square—rootcubatureKalmanfilter；probabilityhypothesisdensityl引言(Introduction)PHD)SLAM算法是一种不依赖数据关联的SLAM算同时定位与地图创建(simultaneouslocalization法，适用于数据关联

8、模糊或高杂波干扰的环境(杂波可andmapping，SLAM)通常描述为：移动机器人在未知以理解为静态环境中动态或暂态干扰)．该算法主要基环境中，通过白载传感器感知未知环境，增量