针对在移动机器人同时定位与建图(SLAM)过程中如何快速准确获取数据关联结果的问题,提出了一种基于DBSCAN(density-based spatial clustering of application with noise)聚类分组的快速联合兼容SLAM数据关联算法(DFJCBB).首先,采用局...针对在移动机器人同时定位与建图(SLAM)过程中如何快速准确获取数据关联结果的问题,提出了一种基于DBSCAN(density-based spatial clustering of application with noise)聚类分组的快速联合兼容SLAM数据关联算法(DFJCBB).首先,采用局部关联策略将参与关联的特征点限定在局部地图中;其次,针对多数环境中量测都有较明显的分布,采用一种基于密度聚类的方法 DBSCAN对当前时刻的量测进行分组,从而得到若干关联度小的观测小组;最后,在每个小组中采用联合兼容分支定界(JCBB)算法进行数据关联,以获得每个小组量测与局部地图特征之间的最优关联解,并将这些关联解组合获得最终的关联结果.基于模拟器和标准数据集的仿真实验验证了该关联算法的性能,结果表明该关联算法在保证获得较高关联准确度的同时,大大降低了算法复杂度、缩短了运行时间,适用于解决不同复杂环境中的SLAM数据关联问题.展开更多
文摘针对在移动机器人同时定位与建图(SLAM)过程中如何快速准确获取数据关联结果的问题,提出了一种基于DBSCAN(density-based spatial clustering of application with noise)聚类分组的快速联合兼容SLAM数据关联算法(DFJCBB).首先,采用局部关联策略将参与关联的特征点限定在局部地图中;其次,针对多数环境中量测都有较明显的分布,采用一种基于密度聚类的方法 DBSCAN对当前时刻的量测进行分组,从而得到若干关联度小的观测小组;最后,在每个小组中采用联合兼容分支定界(JCBB)算法进行数据关联,以获得每个小组量测与局部地图特征之间的最优关联解,并将这些关联解组合获得最终的关联结果.基于模拟器和标准数据集的仿真实验验证了该关联算法的性能,结果表明该关联算法在保证获得较高关联准确度的同时,大大降低了算法复杂度、缩短了运行时间,适用于解决不同复杂环境中的SLAM数据关联问题.
