结合传感器融合与退火参数改进RBPF-SLAM算法

作者：李旦; 王冠凌; 丰宇航

来源：海南热带海洋学院学报, 2021, 28(02): 81-87.

DOI：10.13307/j.issn.2096-3122.2021.02.12

• Rao-Blackwellized粒子滤波器
• SLAM
• 传感器融合
• 退火参数
• 重采样

Rao-Blackwellized粒子滤波器(RBPF)可以有效地处理同时定位和地图构建(SLAM)的问题。传统的RBPF-SLAM算法中因使用的粒子数目多和频繁执行重采样,导致构建的栅格地图精度不高。针对算法中存在的问题,提出了一种改进的RBPF-SLAM算法。通过扩展卡尔曼滤波融合轮式里程计和IMU的数据提高移动机器人的位姿精度,由融合后的里程计运动模型与激光雷达观测模型作为混合提议分布,利用退火参数优化提议分布减少采样所需粒子数目,并引入自适应重采样减少重采样的次数。由仿真实验结果表明:改进的RBPF-SLAM算法中使用15个采样粒子比传统算法使用30个采样粒子构建二维栅格地图效果更好,且构建地图的运行时间缩短约28%。

• 单位
  安徽工程大学