面向动态环境中测距传感器的严格贝叶斯光束模型与自适应全扫描模型
人工智能
2014-01-16 v1 机器学习
摘要
本文提出并实验验证了一种适用于动态环境的测距传感器贝叶斯网络模型。所有的建模假设均得到了严格的解释，且所有模型参数均具有物理意义。这种方法产生了一个透明且直观的模型。相对于现有技术的光束模型，本文：（i）针对由未建模物体引起的距离测量概率提出了一种不同的函数形式；（ii）直观地解释了现有技术光束模型中遇到的不连续性；（iii）在保持对实验数据相同表示能力的同时，减少了模型参数的数量。所提出的光束模型被称为 RBBM，即严格贝叶斯光束模型的缩写。我们提出了基于期望最大化的极大似然估计器和变分贝叶斯估计器来学习模型参数。此外，RBBM 通过两步扩展为全扫描模型：首先扩展为适用于静态环境的全扫描模型，然后扩展为适用于一般动态环境的全扫描模型。该全扫描模型考虑了光束之间的依赖关系，并在使用粒子滤波器时适应局部样本密度。与基于高斯的现有技术模型不同，所提出的全扫描模型使用基于样本的近似。这种基于样本的近似使其能够处理动态环境并捕获多模态性，即使在简单的静态环境中也会出现这种多模态性。
引用
@article{arxiv.1401.3432,
title = {A Rigorously Bayesian Beam Model and an Adaptive Full Scan Model for Range Finders in Dynamic Environments},
author = {Tinne De Laet and Joris De Schutter and Herman Bruyninckx},
journal= {arXiv preprint arXiv:1401.3432},
year = {2014}
}