| 基于变分贝叶斯双尺度自适应时变噪声容积卡尔曼滤波的同步定位与建图算法 |
| |
| 引用本文： | 李帅永,谢现乐,毛文平,杨雪梅,聂嘉炜.基于变分贝叶斯双尺度自适应时变噪声容积卡尔曼滤波的同步定位与建图算法[J].电子与信息学报,2023,45(3):1006-1014. |
| |
| 作者姓名： | 李帅永 谢现乐 毛文平 杨雪梅 聂嘉炜 |
| |
| 作者单位： | 重庆邮电大学工业物联网与网络化控制教育部重点实验室 重庆 400065 |
| |
| 基金项目： | 国家自然科学基金(61703066)，重庆市基础研究与前沿探索项目(cstc2018jcyjAX0536)，重庆市技术创新与应用发展专项(cstc2018jszx-cyztzxX0028, cstc2019jscx-fxydX0042, cstc2019jscx-zdztzxX0053) |
| |
| 摘 要： | 为解决移动机器人在同步定位与建图(SLAM)中因系统噪声和观测噪声时变导致状态估计精度降低的问题，该文提出一种基于变分贝叶斯的双尺度自适应时变噪声容积卡尔曼滤波SLAM算法(DSACKF SLAM)。该算法采用逆Wishart分布对一步预测误差协方差矩阵Pk|k-1和观测噪声协方差矩阵Rk建模，分别用来降低系统噪声和观测噪声的影响，并利用变分贝叶斯滤波实现对移动机器人状态向量Xk,Pk|k-1和Rk的联合估计。分别在系统噪声和观测噪声时变和时不变的条件下进行仿真实验，结果表明与基于无迹卡尔曼滤波的SLAM算法(UKF SLAM)、自适应更新观测噪声的容积卡尔曼滤波的SLAM算法(VB-ACKF SLAM)相比，所提DSACKF SLAM算法在噪声时变时，平均位置误差分别减小1.54 m, 3.47 m；噪声时不变时，平均位置误差分别减小0.62 m,1.41 m，证明DSACKF SLAM算法有更好的估计性能。
|
| 关 键 词： | 同步定位与建图 容积卡尔曼滤波 变分贝叶斯 一步预测误差协方差矩阵 观测噪声协方差矩阵 |
| 收稿时间： | 2022-01-10 |
Simultaneous Localization And Mapping Based on Variational Bayses Double-Scale Adaptive time-varying noise Cubature Kalman Filter |
| |
| LI Shuaiyong,XIE Xianle,MAO Wenping,YANG Xuemei,NIE Jiawei.Simultaneous Localization And Mapping Based on Variational Bayses Double-Scale Adaptive time-varying noise Cubature Kalman Filter[J].Journal of Electronics & Information Technology,2023,45(3):1006-1014. |
| |
| Authors: | LI Shuaiyong XIE Xianle MAO Wenping YANG Xuemei NIE Jiawei |
| |
| Affiliation: | Key Laboratory of Industrial Internet of Things & Networked Control, Ministry of Education, Chongqing University of Posts and Telecommunications, Chongqing 400065, China |
| |
| Abstract: | |
| |
| Keywords: | |
|
| 点击此处可从《电子与信息学报》浏览原始摘要信息 |
|
点击此处可从《电子与信息学报》下载全文 |
