角点特征在机器人同步定位与建图(Simultaneous Localization and Mapping,SLAM)系统中具有关键性的作用。然而,由于环境差异、机器人运动距离和传感器的影响,导致现有测量方法的角点估计误差较大。本文在原有使用扩展卡尔曼滤波(Extend...角点特征在机器人同步定位与建图(Simultaneous Localization and Mapping,SLAM)系统中具有关键性的作用。然而,由于环境差异、机器人运动距离和传感器的影响,导致现有测量方法的角点估计误差较大。本文在原有使用扩展卡尔曼滤波(Extended Kalman Filter,EKF)融合激光和视觉SLAM数据的基础上,引入多新息理论,提出了多新息改进EKF融合激光和视觉SLAM数据算法。由于多新息理论能有效利用历史时刻的数据,使系统在原先只使用当前时刻数据的情况下,扩展为能够利用之前多个时刻的有效数据。因此,利用多新息理论改进EKF,可以充分利用之前时刻由角特征和垂线特征融合成的角点结果,从而提升角点估计精度和建图结果。实验结果表明,在室内坏境中,本文方法在迭代次数20次和100次时平均误差分别为0.0268和0.0109,相较于未改进EKF方法,角点估计的精度平均提升了33.9%。展开更多
