计算复杂度降低的基于CDKF的SLAM算法

• 作者: 程荫杭 陈晨
• 来源期刊: 计算机应用研究
• 关键词: 同时定位与地图构建 中心差分卡尔曼滤波 线性回归卡尔曼滤波 计算复杂度
• 年，卷（期）: 2012,（9）
• 所属期刊栏目: 算法研究探讨
• 页码范围: 3280-3284,3298
• 分类号: TP24|TP301.6
• 语种: 中文
• DOI: 10.3969/j.issn.1001-3695.2012.09.021

摘要

为了降低移动机器人基于中心差分卡尔曼滤波(CDKF)的同时定位与地图构建(SLAM)算法的计算复杂度,使其适于较大规模环境中的应用,提出了一种改进的CDKF SLAM算法.该算法以CDKF的线性回归卡尔曼滤波(LRKF)形式为基础,利用SLAM自身特点,重构其预测和观测更新过程中的状态变量及相应的方差矩阵,改进CDKF的采样方法,从而将CDKF SLAM算法的计算复杂度降为O(n2).不同规模环境中的仿真实验及停车场数据集的实验验证了在不改变CDKF SLAM算法估计准确度的条件下,本文算法的运行时间明显缩短,更适于大规模环境中的应用.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	陈晨	北京交通大学电子信息工程学院	10	39	3.0	6.0
2	程荫杭	北京交通大学电子信息工程学院	19	373	8.0	19.0