基于 PMCMC-RFS 的自主车 SLAM 算法
Journal of Academy of Armored Force Engineering(2015)
Abstract
针对无人自主车同时定位与地图构建(Simultaneous Localization And Mapping,SLAM)问题,采用随机有限集(Random Finite Set,RFS)方法对环境特征和车辆的位姿进行描述,将 SLAM算法涉及到的多路标特征检测、跟踪、识别及相关等问题在一个统一的贝叶斯状态估计框架内表述,从而可以有效地解决后验估计、信息融合等算法严重依赖数据关联结果的问题。同时,为了计算复杂的联合后验分布,解决粒子滤波算法中提议分布选择困难问题,采用序贯蒙特卡罗(Sequential Monte Carlo,SMC)算法为马尔科夫链蒙特卡罗(Markov Chain Monte Carlo,MCMC)采样构建高维提议分布策略,提出了基于 PMCMC-RFS(Particle MCMC based RFS)的 SLAM问题求解方法。试验结果表明:PMCMC-RFS 算法能动态估计感知范围内的特征数量,有效地避免了数据关联问题,从而提高了状态估计性能。
MoreTranslated text
AI Read Science
Must-Reading Tree
Example
![](https://originalfileserver.aminer.cn/sys/aminer/pubs/mrt_preview.jpeg)
Generate MRT to find the research sequence of this paper
Chat Paper
Summary is being generated by the instructions you defined