排序方式： 共有2条查询结果，搜索用时 0 毫秒
1
1.
针对海洋背景噪声和水声传感器测量噪声大、信噪比低所导致的水下SLAM方法数据关联复杂、精度低的问题,提出一种基于衰减记忆滤波的平方根无迹卡尔曼滤波PHD-SLAM方法,该方法基于PHD滤波避免了复杂的数据关联,且在非线性函数高斯权重更新过程中引入平方根无迹变换,并进一步结合衰减记忆滤波,解决了由于模型误差和计算误差造成的协方差矩阵非正定和不对称性所导致的滤波发散问题,提高水下SLAM方法的精度.仿真实验将所提方法与RB-PHD-SLAM和UKF-PHD-SLAM方法进行对比分析,结果表明所提方法在对自身定位及地图特征估计精度上均有了明显的提高. 相似文献
2.
在密集杂波和地图特征数目多的水下环境中,针对水下机器人同步定位与地图创建(SLAM)方法存在地图特征点位置和数目以及机器人自身位置估计精度较低的问题,提出一种改进的随机有限集SLAM方法,即混合新生地图信息的随机有限集SLAM方法,该方法在概率假设密度滤波(PHD)的预测阶段,将上一时刻之前已探测到的地图信息中靠近机器人位置的地图特征加入到观测信息中,作为预测阶段的新生地图信息集合,通过增加先验信息以提高地图特征位置和数目估计精度,改善预测阶段先验信息不足的问题.仿真实验将所提方法与传统RB-PHD-SLAM方法进行比较,当机器人回到已探测过的区域时,所提方法明显改善了地图特征位置和数目的估计精度. 相似文献
1