基于高斯混合模型最大期望聚类的同时定位与地图构建数据关联
阮晓钢
张晶晶
朱晓庆
周静
1.北京工业大学信息学部;计算智能与智能系统北京市重点实验室,北京1001242.北京工业大学信息学部;计算智能与智能系统北京市重点实验室,北京1001243.北京工业大学信息学部;计算智能与智能系统北京市重点实验室,北京1001244.北京工业大学信息学部;计算智能与智能系统北京市重点实验室,北京100124
摘要：数据关联是移动机器人同时定位与地图构建(SLAM)中状态估计的前提和基础,针对当前联合兼容分支定界算法存在计算复杂度高、耗时长的问题,提出了基于高斯混合模型(GMM)最大期望聚类分组的SLAM数据关联算法.首先,为减少同一时刻参与关联的观测值数目,在局部区域内采用GMM最大期望聚类算法对当前时刻的观测值进行分组;其次,在各观测小组中采用联合兼容分支定界算法进行数据关联;最后,综合各观测小组的观测值同局部地图特征得到的关联解,得到最优的关联结果.仿真实验结果表明,基于高斯混合模型最大期望聚类分组的SLAM数据关联算法在保证数据关联准确度的前提下,计算复杂度得到了降低,缩短了运行时间.
关键词：同时定位与地图构建数据关联联合兼容分支定界高斯混合模型最大期望聚类移动机器人
资助基金：国家自然科学基金(61773027)北京市教委科技重点项目(KZ201610005010)北京市自然科学基金(4174083)
论文发表日期：2020-02-28
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：10( 265-274 )
英文信息