大型动态环境中在线重定位的增量RANSAC

车辆重定位问题是指移动机器人必须利用感知与运动测量，在无需任何初始自身位置先验知识的情况下，相对于先验地标地图估计自身位置。近来，RANdom SAmple Consensus (RANSAC)——一种鲁棒的多假设估计器——已成功应用于静态环境中的离线重定位。另一方面，动态环境中的在线重定位仍是一个难题，因为可用计算时间总是受限，且测量包含许多离群值。为实现此类在线过程的实时算法，我们通过扩展一种高效的抢占式RANSAC方案，开发了RANSAC算法的增量版本。这一称为增量RANSAC的新方案能够从受离群测量污染的大量离群假设中找出自身位置的内点假设。