...
  • 主题
高级搜索  >
历史搜索 清空历史
首页> 外文期刊>Journal of Intelligent & Robotic Systems: Theory & Application >Experimental Study of Iterated Kalman Filters for Simultaneous Localization and Mapping of Autonomous Mobile Robots
【24h】

Experimental Study of Iterated Kalman Filters for Simultaneous Localization and Mapping of Autonomous Mobile Robots

机译：迭代卡尔曼滤波在自主移动机器人同时定位与制图中的实验研究

获取原文
获取原文并翻译 | 示例
           
页面导航
  • 摘要
  • 著录项
  • 相似文献
  • 相关主题

摘要

In this paper, we investigate the role of iteration in Kalman filters family for improvement of the estimation accuracy of states in simultaneous localization and mapping (SLAM). The linearized error propagation existing in Kalman filters family can result in large errors and inconsistency in the SLAM problem. One approach to alleviate this situation is the use of iteration in extended Kalman filter (EKF) and sigma point Kalman filter (SPKF) based SLAM. The main contribution is to present that the iterated versions of Kalman filters can increase consistency and robustness of these filters against linear error propagation. Experimental results are presented to validate this improvement of state estimate convergence through repetitive linearization of the nonlinear observation model in EKF-SLAM and SPKF-SLAM algorithms.
机译：在本文中，我们研究了迭代在Kalman滤波器家族中的作用，以提高同时定位和映射（SLAM）中状态的估计精度。卡尔曼滤波器系列中存在的线性化误差传播会导致较大的误差和SLAM问题中的不一致。缓解这种情况的一种方法是在基于扩展卡尔曼滤波器（EKF）和西格玛卡尔曼滤波器（SPKF）的SLAM中使用迭代。提出的主要贡献在于，卡尔曼滤波器的迭代版本可以提高这些滤波器针对线性误差传播的一致性和鲁棒性。提出了实验结果，通过对EKF-SLAM和SPKF-SLAM算法中的非线性观测模型进行重复线性化，来验证状态估计收敛性的这种改善。

著录项

相似文献

  • 外文文献
  • 中文文献
  • 专利
获取原文

客服邮箱：kefu@zhangqiaokeyan.com

京公网安备：11010802029741号 ICP备案号：京ICP备15016152号-6 六维联合信息科技 (北京) 有限公司©版权所有

  • 客服微信

  • 服务号