一种未知环境下机器人多目标跟踪算法

针对未知环境下移动机器人多目标跟踪问题,设计了一种基于联合概率数据关联的粒子滤波算法。该算法利用联合概率数据关联方法对Rao-Blackwellized粒子滤波算法进行改进,使机器人能够完成未知环境条件下对自身状态、环境特征状态和多目标状态的在线联合估计。算法将系统状态变量分为代表多目标、环境特征状态的线性变量和代表机器人状态的非线性变量,并利用联合概率数据关联Kalman滤波和粒子滤波对系统状态进行更新。通过仿真实验证明了该算法对机器人状态、环境特征状态以及多目标状态的估计准确性,验证了算法对未知环境下多目标的跟踪能力。

基于协方差交集的多机器人协作目标跟踪算法

为了解决未知环境下多机器人协作目标跟踪问题,设计了一种基于协方差交集数据融合的分布式解决算法.单台机器人运用全协方差扩展式卡尔曼滤波器完成未知环境下机器人状态和目标状态的同步估计,当单台机器人发现同伴并利用观测值对同伴机器人状态进行本地估计后,将结果连同目标状态一起发往同伴机器人,同伴机器人进行数据验证后,采用基于协方差交集的数据融合算法完成本地相关状态的更新,由于并不需要知道相关估计对象之间的协方差阵,因此算法具有分布式特点.仿真实验证明了算法能够有效提高机器人对于自身状态、环境特征状态以及目标状态的估计准确性.