一种神经模糊多群FastSLAM框架
机器人学
2010-03-23 v1
摘要
FastSLAM是一种使用Rao-Blackwellized粒子滤波器进行同步定位与地图构建的框架。在FastSLAM中，粒子滤波器用于移动机器人位姿(位置和方向)估计，扩展卡尔曼滤波器(EKF)用于特征位置估计。然而，FastSLAM会随时间退化。这种退化是由于估计机器人位姿的粒子集失去了多样性。FastSLAM中粒子多样性丧失的主要原因之一是样本贫化。当似然位于提议分布的尾部时，就会发生这种情况。在这种情况下，大多数粒子的权重微不足道。FastSLAM的另一个问题涉及用于地标位置估计的扩展卡尔曼滤波器的设计。EKF的性能和估计质量在很大程度上取决于对过程和测量噪声协方差矩阵(Q和R)的正确先验知识，而这些矩阵在大多数应用中是未知的。另一方面，Q和R的错误先验知识可能会严重降低卡尔曼滤波器的性能。本文提出了一种神经模糊多群FastSLAM框架。在我们的方法中，提出了一种用于地标特征估计的神经模糊扩展卡尔曼滤波器，以及一种基于粒子群优化的粒子滤波器，以克服FastSLAM的贫化问题。实验结果证明了所提算法的有效性。
引用
@article{arxiv.1003.4075,
title = {A Neuro-Fuzzy Multi Swarm FastSLAM Framework},
author = {R. Havangi and M. Teshnehlab and M. A. Nekoui},
journal= {arXiv preprint arXiv:1003.4075},
year = {2010}
}