基于高斯—施密特粒子滤波器的多机器人协同定位

多机器人协同定位需对各个机器人的运动模型和观测模型精确建模,需要运用非线性、非高斯系统。已经应用于本领域的各种非线性算法主要有两种:一种是扩展卡尔曼滤波算法(EKF),它对非线性系统进行局部线性化,从而间接利用卡尔曼算法进行滤波与估算;另一种是序列蒙特卡罗算法,即粒子滤波器(PF)。本文介绍了一种改进的粒子滤波器,即高斯-施密特粒子滤波器(GHPF),重点比较这三种算法在多机器人协同定位领域的应用效果。

基于人类记忆模型的粒子滤波鲁棒目标跟踪算法

当目标被场景中的物体或其它运动目标遮挡,或者目标姿态发生很大改变时,粒子滤波器就会失效.为解决这类问题,受人类记忆机制的启发,文中将人类记忆模型引入到粒子滤波器模板更新过程,提出一种基于记忆的粒子滤波器.每个模板都要经过瞬时记忆、短时记忆和长时记忆3个空间的传输和处理.该粒子滤波器能记住曾经出现的目标模板,从而能更快地适应目标姿态的变化.实验结果验证了该算法的有效性.