基于中心差分卡尔曼滤波器的快速SLAM算法.pdf

《基于中心差分卡尔曼滤波器的快速SLAM算法.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42卷第9期哈尔滨工业大学学报Vol.42No.92010年9月JOURNALOFHARBININSTITUTEOFTECHNOLOGYSep．2010基于中心差分卡尔曼滤波器的快速SLAM算法田翔，张亮，陈耀武(浙江大学数字技术及仪器研究所，浙江杭州310027，cyw@mail．bme．zju．edu．cn)摘要:针对密集路标环境下机器人同时定位与地图创建(SLAM)速度缓慢以及一致性不够收敛，提出了一种使用Stirling多项式插值方法对非线性过程进行近似的卡尔曼滤波器，同时利用路标测量统计信息对SLAM过程中的状态向量和状态协方差进行动态调整

2、的SLAM方法．此方法对预测方程和测量方程使用Stirling多项式插值方法可以近似到二级甚至是更高级的泰勒展开．使用路标统计信息动态计算各个路标对于当前时刻状态向量的权重，利用此权重进行状态向量和状态向量协方差动态调整．实验表明无论是在稀疏路标环境下还是在密集路标环境下此方法在内存占用、SLAM速度以及对机器人定位的一致性上都优于FASTSLAM．关键词:同步定位与地图重建;Stirling多项式插值;中心差分卡尔曼滤波器;一致性;统计信息中图分类号:TP24文献标志码:A文章编号:0367－6234(2010)09－1454－08FastSLAMa

3、lgorithmbasedoncentraldifferenceKalmanfilterTIANXiang，ZHANGLiang，CHENYao-wu(InstituteofAdvancedDigitalTechnologyandInstrument，ZhejiangUniversity，Hangzhou310027，China，cyw@mail．bme．zju．edu．cn)Abstract:AmethodbasedonStirling’spolynomialinterpolationtoapproximatethenonlinearprocessa

4、ndu-singlandmark’sstatisticalinformationtoadjustthestatevectorandstatevector’scovarianceisproposedtoresolvethesimultaneouslocalizationandmapping(SLAM)speedandconsistencyindenselandmarkenviron-ment．ByusingStirling’spolynomialinterpolation，thenonlinearitycanbeapproximatedtotheseco

5、ndorevenhigherTaylorseriesandthestatevectoranditscovariance’ssizecanbelimitedtofixedsizebythedynamicmethodbasedontheweightvalueofeachlandmark．Itcanbeseenfromexperimentthatnotonlyinsparselandmarkenvironmentbutalsoindenselandmarkenvironment，theSLAMmemory，speedandconsistencyofthepr

6、oposedmethodareallsuperiortothoseofFASTSLAM．Keywords:simultaneouslocalizationandmapping(SLAM);stirlingpolynomialinterpolation;centraldiffer-enceKalmanfilter;consistency;statisticalinformation移动机器人同时定位与地图创建SLAM许多SLAM算法，典型的包括基于扩展卡尔曼滤［1－2］(SimultaneousLocalizationandMapping)问题波的SLA

7、M算法(EKF-SLAM)，基于粒子滤波器是指在未知环境中移动机器人利用自身定位信息的SLAM算法(FASTSLAM1、FASTSLAM2)，基于创建环境地图，同时利用已创建的环境地图进行稀疏信息矩阵滤波器的SLAM算法(EIF-SLAM)［3－8］自身定位．经过十多年的研究和发展已经产生了等．由于在EKF-SLAM中状态向量和状态向量协方差都需要维护所有已检测的路标，因此在收稿日期:2009－11－25．路标密集环境下SLAM速度很慢，从而限制其在基金项目:国家高技术研究发展计划软件重大专项资助项目实际中的应用．另外由于机器人SLAM中的预测(200

8、3AA1Z2130);浙江省科技计划重大科技攻关资过程和测量过程都是非线性模型，所以在EKF-