基于引力场优化的Unscented FastSLAM2.0算法
陈世明
刘俊恺
肖娟
1.华东交通大学 电气与自动化工程学院,江西南昌,3300132.华东交通大学 电气与自动化工程学院,江西南昌,3300133.华东交通大学 电气与自动化工程学院,江西南昌,330013
摘要：为了改进Unscented FastSLAM2.0算法重采样过程中的“粒子退化”和“粒子贫化”问题,本文提出了一种基于引力场优化的Unscented FastSLAM2.0算法,首先采用Unscented粒子滤波器替代扩展卡尔曼滤波估计移动机器人路径后验概率,然后采用扩展卡尔曼滤波器对环境进行估计更新,最后用引力场优化思想优化重采样过程:在重采样中每个采样粒子近似成宇宙灰尘,通过引力场的移动因子产生作用驱动粒子集更快朝着真实的机器人位姿状态逼近,改善粒子退化问题:通过自转因子的自转作用,避免粒子过分集中,保障了粒子多样性.实验结果表明了该算法的有效性.
关键词：粒子退化粒子贫化引力场优化Unscented FastSLAM2.0重采样
分类号：TP273(自动化技术及设备)
资助基金：国家自然科学基金(11662002)国家自然科学基金(61364017)江西省创新驱动优势科技创新团队(20165BCB19011)国家自然科学基金(20161BBE53008)江西省自然科学基金(20171BAB202029)江西省研究生创新专项(YC2017-S249)
论文发表日期：2018-08-01
在线出版日期：2025-08-15（本平台首次上网日期，不代表文献的发表时间）
页数：8( 1186-1193 )
英文信息