平方根容积卡尔曼滤波在移动机器人SLAM中的应用  

Square-Root Cubature Kalman Filter and Its Application to SLAM of an Mobile Robot

作　　者：康轶非[1] 宋永端[1] 宋宇[1] 闫德立[1] 李丹勇[1] 

机构地区：[1]北京交通大学,北京100044

出　　处：《机器人》2013年第2期186-193,共8页Robot

基　　金：国家自然科学基金资助项目(61134001;60909055);国家973计划资助项目(2012CB215202);国家863计划资助项目(SS2012AA052302);中央高校基本科研业务费专项资金资助项目(2012JBM017;2011YJS287)

摘　　要：针对机器人同时定位与地图构建(SLAM)问题,提出基于平方根容积卡尔曼滤波的SLAM算法.该算法主要特点是使用平方根容积卡尔曼滤波计算SLAM后验概率密度,以减小线性化误差,达到提高SLAM定位精度的目的.提出的算法通过传递平方根因子代替系统协方差矩阵,因而在计算中避免了耗费时间的Cholesky分解,提高了算法效率.实验部分使用扩展型卡尔曼滤波SLAM(EKF-SLAM)、无迹卡尔曼滤波SLAM(UKF-SLAM)和所提出的算法进行了对比.实验结果表明:较之EKF-SLAM,容积卡尔曼滤波的精度提高了1倍;相比UKF-SLAM,SCKF-SLAM节省1/4计算资源.For simultaneous localization and mapping （SLAM） of robots, a new solution is proposed, named square-root cubature Kalman filter based SLAM algorithm （SCKF-SLAM）. The main contribution of the proposed algorithm is that the SLAM posterior probability density is calculated by using the square root cubature Kalman filter in order to reduce lineariza- tion error and improve SLAM accuracy. Instead of covariance matrixes, square-root factors are used in the proposed SLAM algorithm to avoid the time-consuming Cholesky decompositions and improve the calculation efficiency. In experiments, the proposed algorithm is compared with extended Kalman filter SLAM （EKF-SLAM） and unscented Kalman filter SLAM （UKF-SLAM）. The results show that compared with EKF-SLAM, precision of SCKF-SLAM is doubled, and compared with UKF-SLAM, SCKF-SLAM saves a quarter of computation resources.

关 键 词：移动机器人 卡尔曼滤波 线性化 容积变换 

分 类 号：TP242[自动化与计算机技术—检测技术与自动化装置]