针对机器人在复杂的工作环境下安全避开运动障碍物与传感器感知信息中存在噪声的问题,提出基于SageHusa自适应滤波方法对障碍物的运动轨迹进行预测。该算法以卡尔曼滤波为主体,同时融入具有时变性能的噪声估计器。使得在轨迹预测过程中,能够预估和更新噪声的实时变化。对Sage-Husa自适应滤波相比卡尔曼滤波的改进进行探讨,根据障碍物的运动特点建立运动状态模型,并通过仿真实验进行验证。结果表明,与传统卡尔曼滤波相比,该算法降低了噪声对预测结果的干扰,提高了预测精度。
科研之友
微信
新浪微博
Facebook
分享链接
