利用有效变换实现线性模型以改进机器人同时定位与建图
机器人学
2026-06-26 v1 人工智能
摘要
如今，移动机器人具有广泛的工程应用。同时定位与建图（SLAM）是这些机器人的一项重要任务。用于此任务的主要和常见算法基于扩展卡尔曼滤波（EKF）。基于 EKF 的 SLAM 的一个主要问题是其发散性。运动和观测模型的非线性以及线性化误差是导致发散的主要原因。已有一些努力试图解决这一问题，但成效有限。在本文中，通过应用一个简单的罗盘并使用一种有效变换，我们将非线性状态空间模型转化为线性模型。然后，通过将原始 KF 应用于该模型，我们提出了一种新方法，称为 LMKF SLAM。我们表明，LMKF SLAM 在准确性、收敛性和计算复杂度方面均显著优于现有方法，尤其是基于 EKF 的 SLAM。所提出的方法在传感器数值的不确定性和系统参数变化方面也表现出更强的稳定性。实验结果验证了这些结论。
引用
@article{arxiv.2606.28475,
title = {Improvement of Robot's Simultaneous Localization and Mapping Using an Effective Transformation to Achieve Linear Model},
author = {Seyed Farzad Bahreinian and Maziar Palhang and Mohammad Reza Taban and Hasan Enami Eraghi},
journal= {arXiv preprint arXiv:2606.28475},
year = {2026}
}