第 卷 第 期 辽宁科技学院学报
23 3 ,
〔3〕 算法证明移动机器根据周围环境自我定位和 过程中涉及到求矩阵逆 粒子数越多计算量指数倍
Slam ,
映射周围环境信息在理论上可行 但存在着两个致 增大 在机器人的行走过程屡次采样会引起粒
, 。 (2)
命缺陷 一是建图对机器人位姿有较高的要求〔4〕 子耗散 各个粒子信息含有机器人走过路径上大部
, , 。
二是频繁的重采样会导致粒子耗散 正 分的位姿和整个地图 因重采样依赖的权重更多取
。 GMapping ,
是针对这两处缺陷 提出了具有针对性的解决方案 决于当前观测 而不是某次观测在几分钟前 本文
, 。 , 。
改进一 改善粒子采样选择 改进二 选择性重采样 改进的 算法正是能够有效解决这两种问
: ; : 。 GMapping
本文通过改进的 构建了室内全局地图 题 为粒子滤波在 问题上的应用提供了有效的
GMapping 。 , slam
粒子滤波理论描述 改进办法
1 。
粒子滤波原理 粒子滤波优化
1. 1 2
基于改进粒子滤波的SLAM算法研究 来自淘豆网m.daumloan.com转载请标明出处.
