添加约束的EKF-SLAM算法

为了得到较高的估计精度,基于扩展卡尔曼滤波的同时定位与地图生成算法(EKF-SLAM)需要完成多次路径闭合。这不仅消耗大量的时间与能量,而且增大了机器人发生故障的概率。本文提出一种添加约束的EKF-SLAM算法。该算法通过分析协方差矩阵确定目标路标对,用测量信息与全局先验方向对原估计结果进行约束,能够极大改善估计效果,兼顾高效率与高精度。实验结果及其分析充分表明了算法的有效性。

基于权值平滑的改良FastSLAM算法

针对FastSLAM算法中频繁重采样会导致粒子快速坍塌,从而破化路标估计的多样性并最终影响估计结果的问题,提出一种基于权值平滑的改良算法.该方法采用平滑方式计算粒子权值,不仅考虑机器人当前的运动和观测结果,并且综合一定长度滑动窗口内的历史权值信息,可抑制由噪声和归一化等因素引起的权值过度波动,以及由此引发的频繁重采样和估计性能降低.蒙特卡罗仿真结果表明,选取合适的滑动窗口大小,改良算法能有效减少重采样次数,保持粒子多样性,显著提高估计精度.