期刊检索

  • 2024年第56卷
  • 2023年第55卷
  • 2022年第54卷
  • 2021年第53卷
  • 2020年第52卷
  • 2019年第51卷
  • 2018年第50卷
  • 2017年第49卷
  • 2016年第48卷
  • 2015年第47卷
  • 2014年第46卷
  • 2013年第45卷
  • 2012年第44卷
  • 2011年第43卷
  • 2010年第42卷
  • 第1期
  • 第2期

主管单位 中华人民共和国
工业和信息化部
主办单位 哈尔滨工业大学 主编 李隆球 国际刊号ISSN 0367-6234 国内刊号CN 23-1235/T

期刊网站二维码
微信公众号二维码
引用本文:田翔,张亮,陈耀武.基于中心差分卡尔曼滤波器的快速SLAM算法[J].哈尔滨工业大学学报,2010,42(9):1454.DOI:10.11918/j.issn.0367-6234.2010.09.022
TIAN Xiang,ZHANG Liang,CHEN Yao-wu.Fast SLAM algorithm based on central difference Kalman filter[J].Journal of Harbin Institute of Technology,2010,42(9):1454.DOI:10.11918/j.issn.0367-6234.2010.09.022
【打印本页】   【HTML】   【下载PDF全文】   查看/发表评论  下载PDF阅读器  关闭
过刊浏览    高级检索
本文已被:浏览 2019次   下载 1142 本文二维码信息
码上扫一扫!
分享到: 微信 更多
基于中心差分卡尔曼滤波器的快速SLAM算法
田翔, 张亮, 陈耀武
浙江大学数字技术及仪器研究所
摘要:
针对密集路标环境下机器人同时定位与地图创建(SLAM)速度缓慢以及一致性不够收敛,提出了一种使用Stirling多项式插值方法对非线性过程进行近似的卡尔曼滤波器,同时利用路标测量统计信息对SLAM过程中的状态向量和状态协方差进行动态调整的SLAM方法.此方法对预测方程和测量方程使用Stirling多项式插值方法可以近似到二级甚至是更高级的泰勒展开.使用路标统计信息动态计算各个路标对于当前时刻状态向量的权重,利用此权重进行状态向量和状态向量协方差动态调整.实验表明无论是在稀疏路标环境下还是在密集路标环境下此方法在内存占用、SLAM速度以及对机器人定位的一致性上都优于FASTSLAM.
关键词:  同步定位与地图重建  Stirling多项式插值  中心差分卡尔曼滤波器  一致性  统计信息
DOI:10.11918/j.issn.0367-6234.2010.09.022
分类号:TP242
基金项目:国家高技术研究发展计划软件重大专项资助项目(2003AA1Z2130);浙江省科技计划重大科技攻关资助项目(2005C11001-02)
Fast SLAM algorithm based on central difference Kalman filter
TIAN Xiang, ZHANG Liang, CHEN Yao-wu
Institute of Advanced Digital Technology and Instrument,Zhejiang University,Hangzhou 310027,China
Abstract:
A method based on Stirling’s polynomial interpolation to approximate the nonlinear process and using landmark’s statistical information to adjust the state vector and state vector’s covariance is proposed to resolve the simultaneous localization and mapping(SLAM) speed and consistency in dense landmark environment.By using Stirling’s polynomial interpolation,the nonlinearity can be approximated to the second or even higher Taylor series and the state vector and its covariance’s size can be limited to fixed size by the dynamic method based on the weight value of each landmark.It can be seen from experiment that not only in sparse landmark environment but also in dense landmark environment,the SLAM memory,speed and consistency of the proposed method are all superior to those of FASTSLAM.
Key words:  simultaneous localization and mapping (SLAM)  stirling polynomial interpolation  central difference Kalman filter  consistency  statistical information

友情链接LINKS