为解决快速同步定位与地图构建算法因粒子退化导致SLAM(simultaneous location and mapping)估计精度不佳的问题,提出一种融合渐消自适应无迹粒子滤波与高斯分布重采样的FastSLAM算法。通过融合渐消滤波和无迹粒子滤波,产生一种自适应...为解决快速同步定位与地图构建算法因粒子退化导致SLAM(simultaneous location and mapping)估计精度不佳的问题,提出一种融合渐消自适应无迹粒子滤波与高斯分布重采样的FastSLAM算法。通过融合渐消滤波和无迹粒子滤波,产生一种自适应提议分布,利用高斯分布对高权重粒子进行分散得到新粒子。建立机器人运动模型和观测模型,并在仿真环境中进行性能验证。仿真结果表明:该算法能有效地缓解粒子退化,增加系统稳定性,提高SLAM估计精度。展开更多
文摘为解决快速同步定位与地图构建算法因粒子退化导致SLAM(simultaneous location and mapping)估计精度不佳的问题,提出一种融合渐消自适应无迹粒子滤波与高斯分布重采样的FastSLAM算法。通过融合渐消滤波和无迹粒子滤波,产生一种自适应提议分布,利用高斯分布对高权重粒子进行分散得到新粒子。建立机器人运动模型和观测模型,并在仿真环境中进行性能验证。仿真结果表明:该算法能有效地缓解粒子退化,增加系统稳定性,提高SLAM估计精度。
