用概率假設(shè)密度濾波實(shí)現(xiàn)同步定位與地圖創(chuàng)建.pdf

《用概率假設(shè)密度濾波實(shí)現(xiàn)同步定位與地圖創(chuàng)建.pdf》由會員上傳分享，免費(fèi)在線閱讀，更多相關(guān)內(nèi)容在工程資料-天天文庫。

1、第１９卷第１２期光學(xué)精密工程Ｖｏｌ．１９Ｎｏ．１２２０１１年１２月ＯｐｔｉｃｓａｎｄＰｒｅｃｉｓｉｏｎＥｎｇｉｎｅｅｒｉｎｇＤｅｃ．２０１１文章編號１００４－９２４Ｘ（２０１１）１２－３０６４－１０用概率假設(shè)密度濾波實(shí)現(xiàn)同步定位與地圖創(chuàng)建杜航原＊，郝燕玲，趙玉新，楊永鵬（哈爾濱工程大學(xué)自動化學(xué)院，黑龍江哈爾濱１５０００１）摘要：針對雜波環(huán)境中傳統(tǒng)同步定位與地圖創(chuàng)建（ＳＬＡＭ）算法無法有效表達(dá)傳感器多種信息以及容易發(fā)生錯(cuò)誤數(shù)據(jù)關(guān)聯(lián)的問題，提出一種基于概率假設(shè)密度濾波的ＳＬＡＭ算法。該算法將每一時(shí)刻傳感器的觀測信息和環(huán)境地圖表示為隨機(jī)有限集，建立聯(lián)合目標(biāo)狀態(tài)

2、變量；通過概率假設(shè)密度（ＰＨＤ）濾波對機(jī)器人位姿和環(huán)境地圖狀態(tài)進(jìn)行同時(shí)估計(jì)，并利用粒子濾波實(shí)現(xiàn)ＰＨＤ濾波。在進(jìn)行目標(biāo)狀態(tài)提取時(shí)，為避免聚類算法引入的誤差，對粒子集進(jìn)行時(shí)滯輸出。提出的ＳＬＡＭ算法能準(zhǔn)確表達(dá)觀測的不確定性、漏檢以及雜波引起的虛警等多種傳感器信息，且避免了數(shù)據(jù)關(guān)聯(lián)過程，使系統(tǒng)狀態(tài)估計(jì)更接近真實(shí)值。仿真實(shí)驗(yàn)結(jié)果表明：與傳統(tǒng)ＳＬＡＭ算法相比，新算法的機(jī)器人定位及環(huán)境構(gòu)圖精度提高了５０％以上，為雜波環(huán)境下ＳＬＡＭ問題的研究提供了新的途徑。關(guān)鍵詞：同步定位與地圖創(chuàng)建；隨機(jī)有限集；概率假設(shè)密度濾波；粒子濾波；目標(biāo)狀態(tài)提取中圖分類號：ＴＰ２４２．６文獻(xiàn)標(biāo)

3、識碼：Ａｄｏｉ：１０．３７８８／ＯＰＥ．２０１１１９１２．３０６４ＩｍｐｌｅｍｅｎｔａｔｉｏｎｏｆＳＬＡＭｂｙｐｒｏｂａｂｉｌｉｔｙｈｙｐｏｔｈｅｓｉｓｄｅｎｓｉｔｙｆｉｌｔｅｒ＊，ＨＡＯＹａｎ－ｌｉｎｇ，ＺＨＡＯＹｕ－ｘｉｎ，ＹＡＮＧＹｏｎｇ－ｐｅｎｇＤＵＨａｎｇ－ｙｕａｎ（ＣｏｌｌｅｇｅｏｆＡｕｔｏｍａｔｉｏｎ，ＨａｒｂｉｎＥｎｇｉｎｅｅｒｉｎｇＵｎｉｖｅｒｓｉｔｙ，Ｈａｒｂｉｎ１５０００１，Ｃｈｉｎａ）＊Ｃｏｒｒｅｓｐｏｎｄｉｎｇａｕｔｈｏｒ，Ｅ－ｍａｉｌ：ｄｈｙ６９５７９０１＠１２６．ｃｏｍＡｂｓｔｒａｃｔ：ＴｒａｄｉｔｉｏｎａｌＳｉｍｕｌｔａｎ

4、ｅｏｕｓＬｏｃａｌｉｚａｔｉｏｎａｎｄＭａｐｐｉｎｇ（ＳＬＡＭ）ａｌｇｏｒｉｔｈｍｉｓｌａｃｋｏｆｔｈｅａｂｉｌｉｔｙｔｏｄｅｓｃｒｉｂｅｍｕｌｔｉｐｌｅｓｅｎｓｏｒｉｎｆｏｒｍａｔｉｏｎａｃｃｕｒａｔｅｌｙｉｎａｃｌｕｔｔｅｒｅｎｖｉｒｏｎｍｅｎｔ，ａｎｄｉｔｉｓｐｒｏｎｅｔｏｆａｌｓｅｄａ－ｔａａｓｓｏｃｉａｔｉｏｎ．Ｔｈｅｒｅｆｏｒｅ，ｔｈｉｓｐａｐｅｒｐｒｏｐｏｓｅｓａＳＬＡＭａｌｇｏｒｉｔｈｍｂａｓｅｄｏｎＰｒｏｂａｂｉｌｉｔｙＨｙｐｏｔｈｅｓｉｓＤｅｎｓｉｔｙ（ＰＨＤ）ｆｉｌｔｅｒｔｏｄｅａｌｗｉｔｈｔｈｅｓｅｐｒｏｂｌｅｍｓ．Ｂｙｔａｋｉｎ

5、ｇｔｈｅｓｅｎｓｏｒｏｂｓｅｒｖａｔｉｏｎａｎｄｅｎｖｉｒｏｎｍｅｎｔａｌｍａｐａｓｒａｎｄｏｍｆｉｎｉｔｅｓｅｔｓｉｎｅｖｅｒｙｔｉｍｅｓｔｅｐ，ａｊｏｉｎｔｔａｒｇｅｔｓｔａｔｅｖａｒｉａｂｌｅｉｓｃｏｎｓｔｒｕｃｔｅｄ．Ｔｈｅｎ，ｗｉｔｈｔｈｅＰｒｏｂ－ａｂｉｌｉｔｙＨｙｐｏｔｈｅｓｉｓＤｅｎｓｉｔｙ（ＰＨＤ）ｆｉｌｔｅｒｉｎｇ，ｔｈｅｐｏｓｅｓａｎｄｅｎｖｉｒｏｎｍｅｎｔａｌｍａｐｏｆｔｈｅｒｏｂｏｔａｒｅｅｓｔｉｍａｔｅｄｓｉｍ－ｕｌｔａｎｅｏｕｓｌｙａｎｄｔｈｅＰＨＤｆｉｌｔｅｒｉｓｒｅａｌｉｚｅｄｂｙａｐａｒｔｉｃｌｅｆｉｌｔｅｒ．Ｔｏａｖ

6、ｏｉｄｔｈｅｅｒｒｏｒｃａｕｓｅｄｂｙｃｌｕｓｔｅｒ，ａｔｉｍｅ－ｄｅ－ｌａｙｐａｒｔｉｃｌｅｓｅｔｏｕｔｐｕｔｔｉｎｇａｐｐｒｏａｃｈｉｓｐｒｏｐｏｓｅｄｆｏｒｊｏｉｎｔｔａｒｇｅｔｓｔａｔｅｅｘｔｒａｃｔｉｎｇ．Ｔｈｅｎｅｗａｌｇｏｒｉｔｈｍｃａｎｄｅ－ｓｃｒｉｂｅｔｈｅｏｂｓｅｒｖａｔｉｏｎｕｎｃｅｒｔａｉｎｔｙ，ｌｏｓｓｄｅｔｅｃｔｉｎｇ，ｆａｌｓｅａｌａｒｍｄｕｅｔｏａｃｌｕｔｔｅｒａｎｄｏｔｈｅｒｓｅｎｓｏｒｉｎｆｏｒｍａｔｉｏｎａｃ－ｃｕｒａｔｅｌｙ，ａｎｄａｌｓｏｃａｎａｖｏｉｄｔｈｅｄａｔａａｓｓｏｃｉａｔｉｏｎ，ｂｙｗｈｉｃｈｔｈｅｓ

7、ｙｓｔｅｍｓｔａｔｅｅｓｔｉｍａｔｉｏｎｉｓｃｌｏｓｅｒｔｏｒｅａｌｖａｌｕｅｓ．Ｔｈｅｓｉｍｕｌａｔｉｏｎｒｅｓｕｌｔｓｓｈｏｗｔｈａｔｔｈｅａｃｃｕｒａｃｙｏｆｔｈｅｎｅｗａｌｇｏｒｉｔｈｍｉｎｔｈｅｖｅｈｉｃｌｅｌｏｃａｌｉｚａｔｉｏｎａｎｄｍａｐｐｉｎｇｉｓｉｍｐｒｏｖｅｄｂｙｍｏｒｅｔｈａｎ５０％ａｓｃｏｍｐａｒｅｄｗｉｔｈｔｈａｔｏｆｔｒａｄｉｔｉｏｎａｌＳＬＡＭａｌｇｏｒｉｔｈｍ．Ｉｔｐｒｏｖｉｄｅｓａｎｅｗｓｏｌｕｔｉｏｎ收稿日期：２０１１－０６－０２；修訂日期：２０１１－０８－１８．基金項(xiàng)目：國家自然科學(xué)基金資助項(xiàng)目（Ｎｏ．６０９０４０

8、８７）；黑龍江省博士后科研啟動基金資助項(xiàng)目（Ｎｏ．ＬＢＨ－Ｑ０９１２７）第１２期