基于迭代平方根CKF的SLAM算法

发布时间：2018-02-25 07:25

  本文关键词： 迭代理论 同步定位与地图构建 非线性误差 平方根容积卡尔曼滤波 迭代平方根容积卡尔曼滤波　出处：《哈尔滨工业大学学报》2014年12期 　论文类型：期刊论文

【摘要】：在大尺度环境中,平方根容积卡尔曼同步定位与地图构建算法的非线性误差严重制约了算法的定位精度,为解决这一问题,提出了一种基于迭代平方根容积卡尔曼滤波的改进算法,该算法结合迭代理论,对平方根容积卡尔曼滤波的量测更新过程进行迭代更新,充分利用最新的观测信息,降低滤波的估计误差,从而构建精确的地图并获得高精度的定位信息.仿真实验结果表明,采用本算法后,x轴和y轴方向上的位置误差均在1.5 m以内,估计结果明显优于SRCKFSLAM、CKF-SLAM和EKF-SLAM算法;添加不同的环境噪声后进行仿真实验,该算法所取得的位置误差相比仍是最小的.利用该算法可以有效地减小非线性误差造成的影响,提高SLAM的定位精度.
[Abstract]:In a large scale environment, the nonlinear error between square root volume Kalman synchronous location and map construction algorithm seriously restricts the accuracy of the algorithm, in order to solve this problem, An improved algorithm based on iterative square-root volumetric Kalman filter is proposed, which combines the iterative theory to update the measurement update process of square-root volumetric Kalman filter, and makes full use of the latest observation information. The estimation error of the filter is reduced, and the accurate map is constructed and the location information with high accuracy is obtained. The simulation results show that the position errors of the x axis and y axis are within 1.5 m after using this algorithm. The result of estimation is obviously superior to that of SRCKFSLAM CKF-SLAM and EKF-SLAM algorithm, and the simulation experiment is carried out after adding different ambient noise, and the position error obtained by this algorithm is still the smallest. The influence caused by nonlinear error can be effectively reduced by using this algorithm. Improve the positioning accuracy of SLAM.
【作者单位】： 哈尔滨工程大学自动化学院;海军装备部;
【基金】：国家自然科学基金(51179039) 武器装备预研基金(9140A09040211CB0102)
【分类号】：TN96

【相似文献】

相关期刊论文 前10条

1 季秀才;郑志强;张辉;;SLAM问题中机器人定位误差分析与控制[J];自动化学报;2008年03期

2 郭剑辉;赵春霞;;一种新的粒子滤波SLAM算法[J];计算机研究与发展;2008年05期

3 丁帅华;陈雄;韩建达;;基于局部子图匹配的SLAM方法[J];机器人;2009年04期

4 陈家乾;何衍;蒋静坪;;添加约束的EKF-SLAM算法[J];科技通报;2009年04期

5 焦晓宇;马小平;唐羽;;对SLAM算法的研究[J];科技信息;2012年07期

6 徐君;张国良;敬斌;张璐;;一种优化的联合极大似然SLAM数据关联方法[J];机器人;2012年04期

7 吕太之;;一种新的抗外部干扰EKF-SLAM算法[J];计算机工程;2012年21期

8 王晓华;杨幸芳;;一种改进的粒子滤波SLAM算法[J];模式识别与人工智能;2013年06期

9 郑丽楠;;扩展卡尔曼体系下的SLAM算法计算框架[J];无线互联科技;2013年10期

10 李丽丽;宋志章;;机器人SLAM算法失真模糊性消除优化方法研究[J];科技通报;2014年02期

相关会议论文 前10条

1 ;An SLAM algorithm based on improved UKF[A];第24届中国控制与决策会议论文集[C];2012年

2 Adizul Ahmad;Shoudong Huang;Jianguo Jack Wang;Gamini Dissanayake;;A New State Vector for Range-Only SLAM[A];Proceedings of the 2011 Chinese Control and Decision Conference（CCDC）[C];2011年

3 ;A Hybrid SLAM method for service robots in Indoor Environment[A];中国自动化学会控制理论专业委员会B卷[C];2011年

4 Bo He;Tao Zhang;Guijie Liu;;A New SLAM Algorithm Particle Filter-based for Autonomous Underwater Vehicle[A];proceedings of 2010 3rd International Conference on Computer and Electrical Engineering (ICCEE 2010 no.1)[C];2012年

5 ;AUV SLAM and Closed Loop Research in Large Scale Environment[A];2011年全国通信安全学术会议论文集[C];2011年

6 温丰;柴晓杰;朱智平;董小明;邹伟;原魁;;基于新型人工路标系统的视觉SLAM算法研究[A];第二十九届中国控制会议论文集[C];2010年

7 王宇韬;方勇纯;;鲁棒单目视觉SLAM系统研究[A];中国自动化学会控制理论专业委员会C卷[C];2011年

8 李海洋;李洪波;林颖;刘贺平;杨东方;;基于Kinect的SLAM方法[A];2013年中国智能自动化学术会议论文集（第五分册）[C];2013年

9 Jiantong Cheng;Jonghyuk Kim;Zhenyu Jiang;Weihua Zhang;;Tightly Coupled SLAM/GNSS for Land Vehicle Navigation[A];第五届中国卫星导航学术年会论文集-S9 组合导航与导航新方法[C];2014年

10 ;Simultaneous Localization and Map Building Using Constrained State Estimate Algorithm[A];第二十七届中国控制会议论文集[C];2008年

相关重要报纸文章 前1条

1 肖征荣;好软件少不了它们[N];电脑报;2003年

相关博士学位论文 前5条

1 王道斌;基于天空偏振光的SLAM方法的研究[D];中国科学技术大学;2014年

2 林睿;基于图像特征点的移动机器人立体视觉SLAM研究[D];哈尔滨工业大学;2011年

3 游弋;SLE相关候选基因FCRL3，，SLAM的SNP分析及其功能研究[D];第三军医大学;2008年

4 吴叶斌;基于全景视觉的移动机器人SLAM方法研究[D];哈尔滨工程大学;2011年

5 陈晨;基于Sigma点滤波的移动机器人同时定位与地图创建算法的研究[D];北京交通大学;2013年

相关硕士学位论文 前10条

1 许鑫;基于策略的SLAM原型系统开发[D];吉林大学;2008年

2 赵博;基于大地图的移动机器人高速高精度SLAM算法的研究[D];哈尔滨工业大学;2010年

3 武玫;基于分布式粒子滤波的SLAM算法研究[D];北京工业大学;2013年

4 周旭;基于改进粒子滤波的SLAM算法研究[D];南京理工大学;2014年

5 曾文静;基于水下机器人EKF-SLAM的数据关联算法研究[D];哈尔滨工程大学;2009年

6 夏敏慧;基于策略的SLAM系统关键技术研究[D];吉林大学;2008年

7 李捐;基于单目视觉的移动机器人SLAM问题的研究[D];哈尔滨工业大学;2013年

8 姜雪菲;双目立体视觉SLAM研究[D];北京交通大学;2014年

9 丁帅华;基于局部子图匹配的SLAM解决方法[D];复旦大学;2009年

10 骆云祥;非线性滤波在移动机器人SLAM中的应用[D];南京理工大学;2009年

本文编号：1533532