《计算机应用研究》|Application Research of Computers

基于固定滞后Gibbs采样粒子滤波的移动机器人SLAM

Mobile robot simultaneous localization and mapping based on particle filtering with fixedlag Gibbs sampling

免费全文下载 (已被下载 次)  
获取PDF全文
作者 张恒,刘艳丽,樊晓平,瞿志华
机构 1.华东交通大学 信息工程学院,南昌 330013;2.中南大学 信息科学与工程学院,长沙 410075
统计 摘要被查看 次,已被下载
文章编号 1001-3695(2008)11-3292-04
DOI 10.3969/j.issn.1001-3695.2008.11.026
摘要 针对采用RaoBlackwellized粒子滤波器的移动机器人同步定位与地图构建算法(RBPFSLAM)所面临的粒子退化问题,提出了一种改进的采样方法。该方法在原有采样方法的基础上,加入一个用Gibbs采样实现的向后MCMC(Markov chain Monte Carlo)移动步骤,利用当前新获取的信息对机器人路径样本的最后一段进行调整,从而降低了样本退化的可能性。对比仿真实验验证了该方法的有效性。
关键词 同步定位与地图构建;RaoBlackwellized粒子滤波器;MCMC移动;Gibbs采样
基金项目 国家自然科学基金资助项目(60774023)
江西省教育厅科研基金资助项目(GJJ08243)
华东交通大学校立科研基金资助项目(06ZKXX01)
本文URL http://www.arocmag.com/article/1001-3695(2008)11-3292-04.html
英文标题 Mobile robot simultaneous localization and mapping based on particle filtering with fixedlag Gibbs sampling
作者英文名 ZHANG Heng, LIU Yan-li, FAN Xiao-ping, QU Zhi-hua
机构英文名 1. School of Information Engineering, East China Jiaotong University, Nanchang 330013, China; 2. School of Information Science & Engineering, Central South University, Changsha 410075, China
英文摘要 For the particle degeneracy problem of mobile robot simultaneous localization and mapping algorithm using RaoBlackwellized particle filter (RBPFSLAM), this paper proposed an improved sampling strategy. After the usual RBPF sampling step was completed, it incorporated a post Markov chain Monte Carlo( MCMC) move step to perturb the trajectory of each particle over a fixed lag time. The added step exploited the new information to improve the filter’s estimation for previous time steps, and reduced the probability of degeneracy. Comparing with the usual RBPFSLAM algorithm, experimental results show the efficiency of the proposed method.
英文关键词 SLAM; RaoBlackwellized particle filter; MCMC move; Gibbs sampling
参考文献 查看稿件参考文献
 
收稿日期
修回日期
页码 3292-3295
中图分类号
文献标志码 A