针对机器人导航无迹快速同步定位与地图构建(Unscented Fast SLAM)算法由于重采样造成样本粒子退化,进而导致估计精度下降的问题,提出一种基于自适应渐消无迹粒子滤波的Unscented Fast SLAM算法。该算法将无迹粒子滤波与渐消滤波相融合...针对机器人导航无迹快速同步定位与地图构建(Unscented Fast SLAM)算法由于重采样造成样本粒子退化,进而导致估计精度下降的问题,提出一种基于自适应渐消无迹粒子滤波的Unscented Fast SLAM算法。该算法将无迹粒子滤波与渐消滤波相融合产生自适应建议分布函数,同时将粒子根据权值进行优化组合,仅对组合后的部分不稳定的粒子进行系统重采样。通过这两方面使得系统在具有高度自适应性的同时保证粒子的多样性,缓解粒子的退化现象。仿真实验表明,提出算法与Unscented Fast SLAM算法相比,可以用较少的粒子实现更高的SLAM的估计精度,很大程度上降低了SLAM算法的复杂度。展开更多
文摘针对机器人导航无迹快速同步定位与地图构建(Unscented Fast SLAM)算法由于重采样造成样本粒子退化,进而导致估计精度下降的问题,提出一种基于自适应渐消无迹粒子滤波的Unscented Fast SLAM算法。该算法将无迹粒子滤波与渐消滤波相融合产生自适应建议分布函数,同时将粒子根据权值进行优化组合,仅对组合后的部分不稳定的粒子进行系统重采样。通过这两方面使得系统在具有高度自适应性的同时保证粒子的多样性,缓解粒子的退化现象。仿真实验表明,提出算法与Unscented Fast SLAM算法相比,可以用较少的粒子实现更高的SLAM的估计精度,很大程度上降低了SLAM算法的复杂度。
