排序方式: 共有5条查询结果,搜索用时 0 毫秒
1
1.
2.
3.
针对移动机器人同步定位与地图构建(SLAM)过程中系统测程法误差累积问题,采用测程法误差模型和车轮速度误差模型的映像关系,结合增广扩展卡尔曼滤波(AEKF)算法结构和实际机器人模型,提出了一种有效提高定位精度的SLAM方法。将机器人速度校正参数附加到卡尔曼滤波算法的向量空间中,以形成增广状态空间,同时预测和更新了SLAM初始状态空间和速度校正参数,笔者在线实时修正机器人的速度和航向角,避免积累航向角误差,从而降低了测程法误差。基于均方根误差和归一化估计方差进行了仿真实验分析,研究结果表明:与EKF-SLAM相比,所提出的方法具有更好的估计性能,使算法保持良好的一致性,大幅度提高了机器人自身定位精度和路标估计准确度。 相似文献
4.
5.
目前,图数据广泛应用于金融科技、智能问答、智慧城市等多个领域。图数据库作为图数据的存储介质,技术发展迅猛。随着数据量的爆发式增加,图中顶点和边的数量随之增加,所需要的存储和计算能力远超出单台机器所能提供的能力,因此分布式图数据库成为图数据库发展的必然方向。JanusGraph作为一种开源图数据库,具备可拓展节点数量的分布式存储能力,支持海量点边图数据的存储,在分布式环境下的图查询和图遍历都有着良好的性能。虽然JanusGraph支持数据的分布式存储,但是其服务本身Janus-Server并未支持高可用。文章提出一种基于JanusGraph的高可用服务架构,补足JanusGraph的这一缺陷,提升JanusGraph的高可用性。 相似文献
1