比例最小偏度单行采样的平方根UKF-SLAM算法.pdfVIP

ComputerEngineeringandApplications计算机工程与应用 比例最小偏度单行采样的平方根UKF．SLAM算法 汪贵冬，陈跃东，陈孟元 WANGGuidong，CHEN Yuedong，CHEN Mengyuan 安徽工程大学 安徽省电气传动与控制重点实验室，安徽 芜湖 241000 AnhuiKeyLaboratoryofElectricDriveandControl，AnhuiPolytechnicUniversity,Wuhu，Anhui241000，China WANG Guidong，CHEN Yuedong，CHEN M engyuan．UKF—SLAM algorithm adoptingsquarerootandsinglerow samplingmethodbasedonproportionandmini-skewness．ComputerEngineeringandApplications，2014，50(17)： 63．67． Abstract：Duetothedistortionoffiltergainmatrixandhighcalculationcomplexityassociatingwithnonlocaleffectif symmetricsamplingisadoptedintheUKF—SLAM algorithm，theUKF-SLAM algorithm adoptingsquarerootandsingle row samplingmethodbasedontheproportionandmini—skewnessisproposed．Theadvancedalgorithm putsthesquare rootofcovariancematrixintoiterativecomputationinsteadofcovariancematrixandadoptstheoptimizedsinglerow sam- piingstrategybasedontheproportionandmini—skewness．Theexperimentalresultsshow thealgorithm canimprovethe estimationaccuracyoffeaturemapandtheposeofrobot，besides，thatcanreducethecomplexityandincreasestabiliyt of thealgorithm． Keywords：filtergain；samplingstrategy；squareroot；computationalcomplexity 摘 要：对于UKF．SLAM算法所存在的滤波增益矩阵计算失真，采用对称采样计算复杂度相对较高且易产生非局 部效应等问题，提 出基于比例最小偏度单行采样的平方根UKF．SLAM算法。改进后的算法采用协方差阵的平方根 代替协方差阵带入迭代运算，并以比例最小偏度单行采样的方式优化采样策略。仿真结果表明，该算法能够有效地 提高机器人位姿以及特征地图的估计精度，并降低 了计算复杂度，提高算法的稳定性。 关键词：滤波增益；采样策略；平方根；计算复杂度 文献标志码：A 中图分类号：TP24 doi：10．3778j／．issn．1002．8331．1404—0132 未知环境下，利用 自身所携带的传感器，机器人递 全局观测地图模型来改进地图的表征方式 。但线性化 增式地创建环境的特征地图，与此同时在创建的地图中 过程中产生的截断误差，且雅克比矩阵计算量大等固有 修正自身的位置，即移动机器人的同步定位与地图构建问 缺陷使得EKF．SLAM算法并不适合在大规模的环境地 题 (SimultaneousLocalizationandMapping，SLAM) 。 图中使用 。 应用于SLAM的经典算法是将机器人的运动模型和观 因此 ，在研究如何改进EKF—SLAM的同时 ，Julier等 测模型进行一阶泰勒级数展开，然后利用扩展卡尔曼滤 人提出了一种可以直接应用于非线性系统的新型滤波 波 (ExtendedKalmanFilter，EKF)对机器人的位姿以及 器 ，即无迹卡尔曼滤波 (UKF)。UKF是一种基于最 特征图进行 同时最优估计 。此模型最早是由Smith和