典型文献
基于变分贝叶斯优化的近邻采样PF-SLAM算法
文献摘要：
针对移动机器人同时定位与地图构建(SLAM)中观测噪声随时间变化及粒子滤波(PF)中粒子多样性易丧失问题,提出基于变分贝叶斯优化的近邻采样PF-SLAM算法.采用高斯混合模型对时变的观测噪声建模,使用变分贝叶斯方法,迭代估算出混合模型中的未知参数;同时根据粒子权重将粒子划分为保留粒子和调整粒子,通过两种粒子间的近邻位置分布关系优化调整粒子位置,在处理时变观测噪声同时,解决粒子多样性丧失问题,使得优化的粒子集更好地表示机器人位置概率分布.实验表明,改进算法与传统PF-SLAM算法相比,定位与建图误差降低76％,较期望最大化算法下的定位与建图误差降低了54％,进一步验证了所提算法的可行性与有效性,为移动机器人同时定位与建图提供一定参考.
文献关键词：
粒子滤波;近邻采样;变分贝叶斯;噪声自适应;同时定位与建图
中图分类号：
作者姓名：
袁帅;刘同健;栾方军;张凤;吴健
作者机构：
沈阳建筑大学 电气与控制工程学院,沈阳 110168;沈阳建筑大学 计算机科学与工程学院,沈阳 110168
文献出处：
引用格式：
[1]袁帅;刘同健;栾方军;张凤;吴健-.基于变分贝叶斯优化的近邻采样PF-SLAM算法)[J].中国惯性技术学报,2022(01):96-103
A类：
近邻采样
B类：
贝叶斯优化,PF,SLAM,移动机器人,机器人同时定位与地图构建,粒子滤波,高斯混合模型,噪声建模,变分贝叶斯方法,未知参数,整粒,位置分布,优化调整,子集,概率分布,改进算法,期望最大化算法,同时定位与建图,噪声自适应
AB值：
0.216931
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
