一种改进的高斯混合概率假设密度SLAM算法
来源期刊：控制与决策2014年第11期
论文作者：闫德立 宋永端 宋宇 康轶非
文章页码：1959 - 1965
关键词：移动机器人;同时定位与地图构建;高斯混合概率假设密度;无迹卡尔曼滤波器;
摘 要：针对高斯混合概率假设密度SLAM（GMPHD-SLAM）算法存在的估计精度低和计算代价高的问题,提出一种无迹高斯混合概率假设密度SLAM算法（unscented-GMPHD-SLAM）.其主要特点在于:将无迹卡尔曼滤波器应用于机器人位姿粒子权重计算及概率假设密度更新过程中,可提高算法整体估计性能;将更新的高斯项按照传感器视域分类,有效降低了算法计算量.通过仿真实验,将所提出算法与传统PHD-SLAM算法进行比较,结果表明该算法在提高估计精度和降低计算负担方面是十分有效的.
闫德立1,2，宋永端1，宋宇1，康轶非1
1. 北京交通大学电子信息工程学院2. 石家庄铁道大学电气与电子工程学院
摘 要：针对高斯混合概率假设密度SLAM（GMPHD-SLAM）算法存在的估计精度低和计算代价高的问题,提出一种无迹高斯混合概率假设密度SLAM算法（unscented-GMPHD-SLAM）.其主要特点在于:将无迹卡尔曼滤波器应用于机器人位姿粒子权重计算及概率假设密度更新过程中,可提高算法整体估计性能;将更新的高斯项按照传感器视域分类,有效降低了算法计算量.通过仿真实验,将所提出算法与传统PHD-SLAM算法进行比较,结果表明该算法在提高估计精度和降低计算负担方面是十分有效的.
关键词：移动机器人;同时定位与地图构建;高斯混合概率假设密度;无迹卡尔曼滤波器;
