原创力文档- 1、本文档共16页，可阅读全部内容。
- 2、原创力文档（book118）网站文档一经付费（服务费），不意味着购买了该文档的版权，仅供个人/单位学习、研究之用，不得用于商业用途，未经授权，严禁复制、发行、汇编、翻译或者网络传播等，侵权必究。
- 3、本站所有内容均由合作方或网友上传，本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺！文档内容仅供研究参考，付费前请自行鉴别。如您付费，意味着您自己接受本站规则且自行承担风险，本站不退款、不进行额外附加服务；查看《如何避免下载的几个坑》。如果您已付费下载过本站文档，您可以点击 这里二次下载。
- 4、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等，请点击“版权申诉”（推荐），也可以打举报电话：400-050-0827(电话支持时间：9:00-18:30)。
PureMathematics理论数学,2024,14(1),302-317
PublishedOnlineJanuary2024inHans./journal/pm
/10.12677/pm.2024.141031
基于一致性的FastSLAM算法的优化
耿小毛
上海理工大学理学院，上海
收稿日期：2023年12月13日；录用日期：2023年12月28日；发布日期：2024年1月30日
摘要
本文从可观测性的角度研究FastSLAM算法的一致性问题并对算法进行了改进。相比较于传统的FastSLAM
算法，一种改进的FastSLAM算法被提出从而获得更好的一致性性能。首先，在重要性采样阶段，对象标
记法用于清晰地标注单个粒子状态。此外，在地图估计阶段，将第一估计雅可比矩阵(FEJ)与扩展卡尔曼
滤波相结合以此提高了算法的一致性。最后，通过仿真实例验证了改进的FastSLAM算法的有效性。
关键词
移动机器人，扩展卡尔曼滤波，FastSLAM，Kullback-Leibler散度(KLD)采样
OptimizationofFastSLAMAlgorithmBased
onConsistency
XiaomaoGeng
CollegeofScience,UniversityofShanghaiforScienceandTechnology,Shanghai
ththth
Received:Dec.13,2023;accepted:Dec.28,2023;published:Jan.30,2024
Abstract
Inthispaper,theconsistencyofFastSLAMalgorithmisimprovedfromtheperspectiveofobserva-
bility.Ratherthanthetraditionalones,animprovedFastSLAMalgorithmisproposedtoachieve
betterconsistentperformanceofFastSLAM.First,intheimportancesamplingphase,theobject
labelingmethodisusedtoclearlylabelindividualparticlestates.Moreover,inthestageofmap
estimation,theFirstEstimatesJacobian(FEJ)iscombinedwiththeextendedKalmanfilteringto
improvetheconsistencyofthealgorithm.Finally,theeffectivenessoftheproposedimproved
FastSLAMalgorithmisvalidatedthroughasimulationexample.
文章引用:耿小毛.基于一致性的FastSLAM算法的优化[J].理论数学,2024,14(1):302-317.
DOI:10.12677/pm.2024.141031
耿小毛
Keywords
FirstEstimatesJacobian(FEJ),ExtendedKalmanFiltering,FastSLAM,Kullback-LeiblerDivergence
(KLD)Sampling
Copyright©2024byaut
文档评论（0）