-
题名计算复杂度降低的基于CDKF的SLAM算法
- 1
-
-
作者
陈晨
程荫杭
-
机构
北京交通大学电子信息工程学院
-
出处
《计算机应用研究》
CSCD
北大核心
2012年第9期3280-3284,3298,共6页
-
基金
国家教育部留学回国人员科研启动基金项目(教外司留[2010]1516号)
-
文摘
为了降低移动机器人基于中心差分卡尔曼滤波(CDKF)的同时定位与地图构建(SLAM)算法的计算复杂度,使其适于较大规模环境中的应用,提出了一种改进的CDKF SLAM算法。该算法以CDKF的线性回归卡尔曼滤波(LRKF)形式为基础,利用SLAM自身特点,重构其预测和观测更新过程中的状态变量及相应的方差矩阵,改进CDKF的采样方法,从而将CDKF SLAM算法的计算复杂度降为O(n2)。不同规模环境中的仿真实验及停车场数据集的实验验证了在不改变CDKF SLAM算法估计准确度的条件下,本文算法的运行时间明显缩短,更适于大规模环境中的应用。
-
关键词
同时定位与地图构建
中心差分卡尔曼滤波
线性回归卡尔曼滤波
计算复杂度
-
Keywords
simultaneous localization and mapping （SLAM）
central difference Kalman filter （CDKF）
linear-regressionKalman filter （LRKF）
computational complexity
-
分类号
TP24
[自动化与计算机技术—检测技术与自动化装置]
TP301.6
[自动化与计算机技术—计算机系统结构]
-
