针对基于混合米制地图机器人同步定位与地图创建(Simultaneous localization and mapping,SLAM)中地图划分方法不完善的问题,提出了基于Voronoi地图表示方法的同步定位与地图创建算法VorSLAM.该算法在全局坐标系下创建特征地图,并根据...针对基于混合米制地图机器人同步定位与地图创建(Simultaneous localization and mapping,SLAM)中地图划分方法不完善的问题,提出了基于Voronoi地图表示方法的同步定位与地图创建算法VorSLAM.该算法在全局坐标系下创建特征地图,并根据此特征地图使用Voronoi图唯一地划分地图空间,在每一个划分内部创建一个相对于特征的局部稠密地图.特征地图与各个局部地图最终一起连续稠密地描述了环境.Voronoi地图表示方法解决了地图划分的唯一性问题,理论证明局部地图可以完整描述该划分所对应的环境轮廓.该地图表示方法一个基本特点是特征与局部地图一一对应,每个特征都关联一个定义在该特征上的局部地图.基于该特点,提出了一个基于形状匹配的数据关联算法,用以解决传统数据关联算法出现的多重关联问题.一个公寓弧形走廊的实验验证了VorSLAM算法和基于形状匹配的数据关联方法的有效性.展开更多
研究了同步定位与地图创建(SLAM)中的数据关联问题。针对环境特征数未知时,数据关联的误关联率增加,导致SLAM的定位精度偏低的问题,提出了高斯混合概率假设密度SLAM算法。首先采用UFastSLAM解决SLAM中的粒子退化和耗尽问题,其次针对地...研究了同步定位与地图创建(SLAM)中的数据关联问题。针对环境特征数未知时,数据关联的误关联率增加,导致SLAM的定位精度偏低的问题,提出了高斯混合概率假设密度SLAM算法。首先采用UFastSLAM解决SLAM中的粒子退化和耗尽问题,其次针对地图特征数未知的情况,将UFastSLAM算法中的数据关联问题转换成有限集统计理论跟踪算法的高斯混合问题,利用高斯混合概率假设密度(Gaussian Mixture Probability Hypothesis Density,GMPHD)算法解决UFastSLAM中数据关联问题。仿真实验结果表明本文提出的GMPHD-UFastSLAM算法在地图特征个数未知的情况下,数据关联准确率和定位精度都得到了提高。展开更多
文摘针对基于混合米制地图机器人同步定位与地图创建(Simultaneous localization and mapping,SLAM)中地图划分方法不完善的问题,提出了基于Voronoi地图表示方法的同步定位与地图创建算法VorSLAM.该算法在全局坐标系下创建特征地图,并根据此特征地图使用Voronoi图唯一地划分地图空间,在每一个划分内部创建一个相对于特征的局部稠密地图.特征地图与各个局部地图最终一起连续稠密地描述了环境.Voronoi地图表示方法解决了地图划分的唯一性问题,理论证明局部地图可以完整描述该划分所对应的环境轮廓.该地图表示方法一个基本特点是特征与局部地图一一对应,每个特征都关联一个定义在该特征上的局部地图.基于该特点,提出了一个基于形状匹配的数据关联算法,用以解决传统数据关联算法出现的多重关联问题.一个公寓弧形走廊的实验验证了VorSLAM算法和基于形状匹配的数据关联方法的有效性.
文摘研究了同步定位与地图创建(SLAM)中的数据关联问题。针对环境特征数未知时,数据关联的误关联率增加,导致SLAM的定位精度偏低的问题,提出了高斯混合概率假设密度SLAM算法。首先采用UFastSLAM解决SLAM中的粒子退化和耗尽问题,其次针对地图特征数未知的情况,将UFastSLAM算法中的数据关联问题转换成有限集统计理论跟踪算法的高斯混合问题,利用高斯混合概率假设密度(Gaussian Mixture Probability Hypothesis Density,GMPHD)算法解决UFastSLAM中数据关联问题。仿真实验结果表明本文提出的GMPHD-UFastSLAM算法在地图特征个数未知的情况下,数据关联准确率和定位精度都得到了提高。
