强跟踪平方根容积卡尔曼滤波SLAM算法  

Strong tracking square-root cubature Kalman filter based on SLAM algorithm

作　　者：戴雪梅[1] 郎朗[1] 陈孟元[1] 

机构地区：[1]安徽工程大学安徽省电气传动与控制重点实验室,芜湖241000

出　　处：《电子测量与仪器学报》2015年第10期1493-1499,共7页Journal of Electronic Measurement and Instrumentation

基　　金：安徽省自然科学基金(11040606M153);安徽高校省级自然科学研究(KJ2013A041)资助项目

摘　　要：针对移动机器人在状态突变时同步定位与地图构建精度下降的问题,提出了强跟踪平方根容积卡尔曼滤波SLAM算法(STF-SRCKF-SLAM)。该算法首先根据移动机器人的运动学模型和观测模型进行预测,然后通过直接传播误差协方差矩阵的平方根因子进行更新,使计算复杂度大大降低。同时在预测和更新过程中引入时变渐消因子,实时调整相应数据权值,达到提高机器人定位精度的目的。仿真实验结果表明,相比容积卡尔曼滤波SLAM算法(CKF-SLAM)、平方根容积卡尔曼滤波SLAM算法(SRCKF-SALM),STF-SRCKF-SLAM算法均方根误差降低了26.25%和13.8%,运行时间减少了1.83%和1.21%,表明该算法在SLAM性能上更优。The precision of simultaneous localization and mapping（SLAM） reduces if status changes.In order to solve this problem,this paper proposed a new solution named strong tracking square-root cubature Kalman filter based on SLAM algorithm（STC-SRCKF-SLAM）.The proposed method can predict through motion model and observation model,and then it is updated by propagating the square-root of covariance matrix.Put the time-varied fading factor into computation to adjust the gain matrix timely and improve SLAM accuracy.The results show that comparing with cubature Kalman filter SLAM algorithm（CKF-SLAM） and square-root cubature SLAM algorithm（SRCKF-SALM）,the error of STC-SRCKF-SLAM algorithm are reduced by 26.25% and 13.8%,the running time are reduced by 1.83% and 1.21%.It shows that the algorithm is better in SLAM performance.

关 键 词：移动机器人 同步定位与地图构建 容积卡尔曼滤波 平方根滤波 强跟踪 

分 类 号：TP24[自动化与计算机技术—检测技术与自动化装置] TN830.1[自动化与计算机技术—控制科学与工程]