基于CEH~∞ F的移动机器人SLAM算法研究

针对移动机器人同时定位与地图创建(SLAM)面对噪声干扰时估计精度低、鲁棒性差的缺点,提出一种基于容积扩展H∞滤波(CEH∞F)的SLAM算法。首先,通过线性误差传播特性将容积变换嵌入到扩展H∞滤波框架中,利用得到的CEH∞F计算SLAM条件转移概率密度,避免雅克比矩阵的计算和线性化误差积累的同时增强了算法的鲁棒性;另外,在每次迭代中更新调节因子γ,将噪声干扰到估计误差最大能量增益控制在较小范围内,进一步增强算法鲁棒性。实验部分将所提算法与扩展卡尔曼滤波SLAM(EKF-SLAM)、无迹卡尔曼滤波SLAM(UKF-SLAM)、容积卡尔曼滤波SLAM(CKF-SLAM)在不同噪声环境下进行了对比。结果表明,CEH∞F-SLAM算法具有良好的稳定性与精度,是一种有效的SLAM算法。