基于PMBM数据关联抽样与图优化的批量SLAM
信号处理
2024-07-17 v1
摘要
同时定位与地图构建（SLAM）方法需要同时解决数据关联（DA）问题和传感器轨迹与地图的联合估计，前提是给定数据关联结果。本文提出一种新颖的集成方法，同时解决DA问题和批量SLAM问题，结合了随机有限集（RFS）理论和图基SLAM方法。设计了一种基于泊松多伯努利混合（PMBM）密度的抽样方法，用于处理数据关联不确定性，并应用图基SLAM求解器进行条件SLAM求解。最终应用后处理方法合并来自不同迭代的SLAM结果。使用合成数据，我们展示了该方法的SLAM方法在性能上接近后验克里尔hoff下界（posterior Cramér-Rao bound），并在高杂乱和高过程噪声情景下超越了最新的基于RFS的SLAM滤波器。
引用
@article{arxiv.2407.11643,
title = {Batch SLAM with PMBM Data Association Sampling and Graph-Based Optimization},
author = {Yu Ge and Ossi Kaltiokallio and Yuxuan Xia and Ángel F. García-Fernández and Hyowon Kim and Jukka Talvitie and Mikko Valkama and Henk Wymeersch and Lennart Svensson},
journal= {arXiv preprint arXiv:2407.11643},
year = {2024}
}