基于精确稀疏扩展信息滤波的粒子滤波SLAM算法研究

传统粒子滤波算法的单次迭代过程以及小权值粒子在重采样中被删除都使得机器人位姿的历史信息不能充分利用,因而会出现粒子的退化现象,从而导致滤波算法的估计精度较低。本文提出基于精确稀疏扩展信息滤波的粒子滤波SLAM算法,利用精确稀疏扩展信息滤波的信息矩阵反映机器人位姿相对变化的同时,也对应于状态后验概率的条件概率的性质,应用Gibbs采样直接从SLAM完全后验分布产生样本,充分利用了信息矩阵包含的不确定信息,粒子分布均匀,且保持了多样性,缓解了粒子退化现象。实验结果表明所提算法的粒子集能够更好地描述真实后验分布,显著提高了SLAM算法的估计精度。

精确稀疏扩展信息滤波的地图优化研究

研究了移动机器人同时定位与地图创建(SLAM)精确稀疏扩展信息滤波(ESEIF)的地图优化算法,即利用信息熵度量变量不确定性的特性来对地图特征点进行分类,选择不同类型的特征点处理ESEIF的不同更新过程,同时优化活动地图,使SLAM更新在恒定时间内实现,且提高了机器人和地图的估计精度.仿真实验证明:在特征点多的大环境下,特征点优化后的算法实时性强,估计精确度更高.

精确稀疏扩展信息滤波的多机器人SLAM研究

在机器人同时定位与地图创建(SLAM)问题中,多机器人SLAM成为目前机器人学中的研究热点.因此,基于精确稀疏扩展信息滤波算法(ESEIF)的多机器人SLAM问题,根据多机器人的运动模型和观测模型分别对多机器人位姿估计及环境特征点进行观测,并依据阈值划分观测特征点,以完成机器人的观测更新,同时边缘化机器人位姿并进行重定位.实验仿真数据表明:多机器人的位姿精度良好,观测更新阶段时间基本上恒定,与地图特征点数量无关,体现了ESEIF算法在研究多机器人SLAM问题的有效性.

稀疏扩展信息滤波SLAM算法的稀疏规则研究

稀疏规则是扩展信息滤波性能的关键。在现有的稀疏规则中,精确稀疏扩展信息滤波(ESEIF)的稀疏规则有较优的性能,但有其适用上的缺陷。通过将稀疏扩展信息滤波(SEIF)与精确稀疏扩展信息滤波(ESEIF)的稀疏规则结合起来,提出了一种组合的稀疏规则。该组合规则能适用于任何的探索环境,还充分利用了ESEIF稀疏规则的性能优势。最后,通过大量的Monte-Carlo仿真实验,验证了该方法的有效性。

基于稀疏扩展信息滤波和粒子滤波的SLAM算法

针对传统粒子滤波算法单次迭代过程中仅应用到当前的信息,且小权值粒子代表的信息在重采样中被删除而导致信息不能充分利用的问题,提出了稀疏扩展信息滤波和粒子滤波相结合的同时定位与地图创建(SLAM)算法,信息矩阵记忆了机器人位姿的历史信息,应用Gibbs采样重新获得粒子集,使粒子集能够更好地描述后验分布,提高算法的状态估计精度。大量的Monte-Carlo仿真实验验证了该算法中机器人定位精度较FastSLAM2.0算法提高80%左右。

基于稀疏化的快速扩展信息滤波SLAM算法

随着SLAM技术的不断发展,计算效率已经成为制约SLAM发展的主要因素.所提出的算法从稀疏化的角度对扩展信息滤波SLAM算法进行改进.根据信息矩阵几乎稀疏的特点,该算法在合理稀疏化信息矩阵的同时利用环闭合检测技术,不仅大大提高了算法的计算效率,而且所得到的估计结果也很精确.通过仿真对信息矩阵稀疏化、算法效率、重定位以及误差和协方差四个关键问题进行了分析.分别就室内具有摄像头的两轮机器人和室外具有激光雷达的四轮机器人的情况进行了实验讨论.仿真与实验结果表明了所提算法的有效性.

基于稀疏扩展混合滤波的信标辅助月面着陆导航方法

针对月面着陆信标辅助导航中存在的信标位置不确定问题,提出了一种基于稀疏扩展混合滤波(SEHF)的信标辅助导航方法。首先采用稀疏扩展信息滤波(SEIF)进行量测更新过程,实现对着陆器当前位置、速度及月面信标位置的联合估计。在此基础上,进一步采用"均值矢量+信息矩阵"的混合形式进行状态预测过程,以提高算法在异步量测下的计算效率。仿真结果表明,所提出方法的收敛速度和估计精度均优于传统扩展卡尔曼滤波(EKF),且相较于原始SEIF可缩短16%左右的计算耗时;此外,当信标位置存在150 m (1σ)初始误差时,所提出方法的着陆点位置估计优于50 m (CEP)。

基于混合信息滤波的粒子滤波SLAM算法

为解决粒子滤波SLAM中存在的计算效率高及粒子退化造成的估计精度低等问题,结合精确稀疏滞后状态信息滤波估计精度高以及精确稀疏扩展信息滤波计算效率高的优点,将两者混合应用于粒子滤波SLAM算法中,不但在保证计算效率的条件下提高了状态估计精度,并且还克服了机器人转动状态以及环境特征疏密带来的应用缺陷。实验结果表明了该方法的有效性与可行性。

一种改进的稀疏扩展信息滤波SLAM算法

如何得到精确一致的稀疏信息矩阵是稀疏扩展信息滤波同时定位与地图创建(SLAM)算法的关键.在对相关性进行详细深入分析的基础上,提出一种改进的信息矩阵稀疏规则.该规则利用稀疏时刻的观测信息,从全局上保留了与机器人相关性最强的特征.在不增加计算负担的情况下,提高算法的精度及一致性.最后,通过大量的Monte-Carlo仿真实验,验证该方法的有效性.

一种水下航行器的SLAM算法应用研究

研究精确稀疏扩展信息滤波(ESEIF)的快速算法,提出一种三维水下航行器(AUV)的同时定位和地图创建(SLAM)算法。作者设计了一种大规模水下三维环境的SLAM解决方案,建立了三维环境的航行器运动、传感器观测及重定位系统模型,分析了方法实时性和定位精度。仿真实验证明:用ESIEF算法能高效地实现水下环境的SLAM,为项目研究提供了理论基础。