平方根容积Rao-Blackwillised粒子滤波SLAM算法  

SLAM with Square-root Cubature Rao-Blackwillised Particle Filter

作　　者：宋宇[1,2] 李庆玲[3] 康轶非[1] 闫德立[1] 

机构地区：[1]北京交通大学电子信息工程学院,北京100044 [2]哈尔滨工业大学机器人技术与系统国家重点实验室,哈尔滨150080 [3]中国矿业大学(北京)机电与信息工程学院,北京100083

出　　处：《自动化学报》2014年第2期357-367,共11页Acta Automatica Sinica

基　　金：国家自然科学基金(60905055,61005070);哈尔滨工业大学机器人技术与系统国家重点实验室开放基金(SKLRS-2009-ZD-04);中央高校基本科研业务费(2014JBM014)资助~~

摘　　要：面向大尺度环境中的移动机器人同时定位与地图构建(Simultaneous localization and mapping,SLAM)问题,提出平方根容积Rao-Blackwillised粒子滤波SLAM算法.算法主要特点在于:1)采用容积律计算SLAM中的非线性函数高斯权重积分,达到减小SLAM非线性模型线性化误差、提高SLAM精度的目的;2)在SLAM中直接传播误差协方差矩阵的平方根因子,避免了耗费时间的协方差矩阵分解与重构过程,提高了SLAM计算效率.通过仿真、实验将提出的SLAM算法与FastSLAM2.0、UFastSLAM两种算法进行对比,结果表明本文算法在SLAM性能上优于另两者.In this paper, we derive a new large-scale environment simultaneous localization and mapping （SLAM） al- gorithm based on square-root cubature Rao-Blackwillised particle filter. The main contributions are： 1） to enhance the SLAM performance, the effective cubature rule is utilized to calculate the Gaussian weighted integral of the nonlinear function; 2） the covariance square-root factors are directly propagated in our SLAM process. Hence, the time-expensive decompositions on covariance matrixes are avoided. The performance of the proposed algorithm is compared with Fast- SLAM2.0 and UFastSLAM using a serial simulations and experiments. Results show that the proposed SLAM outperforms FastSLAM2.0 and UFastSLAM.

关 键 词：移动机器人 同时定位与地图构建 粒子滤波 容积律 高斯权重积分 

分 类 号：TP242[自动化与计算机技术—检测技术与自动化装置]