基于RBPF的激光SLAM算法优化设计

发布时间：2024-02-23 16:34

　　针对基于RBPF的激光SLAM算法在重采样过程中出现的样本贫化和激光测量模型不准确的问题,提出一种优化的激光SLAM算法。为缓解重采样过程中的样本贫化问题,采用最小采样方差重采样方法改进原重采样方法,使重采样后的粒子保持多样性。结合似然域模型与意外对象观测概率,使激光测量模型更好地反映真实环境。实验结果表明,改进的重采样方法定位效果较好,相对原激光SLAM算法,改进的激光SLAM算法在动态环境中的建图和定位精度更高。

【文章页数】：6 页

【文章目录】：
0 概述
1 RBPF-SLAM算法
2 RBPF-SLAM算法重采样策略改进
    2.1 MSV重采样算法
    2.2 仿真验证
3 激光SLAM算法测量模型优化
    3.1 基于RBPF的激光SLAM算法
    3.2 似然域模型改进
4 机器人平台激光SLAM实验
5 结束语



本文编号：3907665