一种改进的FastSLAM算法

计算机工程与应用 ›› 2007, Vol. 43 ›› Issue (36): 4-6.

一种改进的FastSLAM算法

康叶伟¹,黄亚楼²,孙凤池²,苑晶¹

1.南开大学信息技术科学学院，天津 300071
2.南开大学软件学院，天津 300071

收稿日期:1900-01-01 修回日期:1900-01-01 出版日期:2007-12-21 发布日期:2007-12-21
通讯作者: 康叶伟

Improved FastSLAM algorithm

KANG Ye-wei¹,HUANG Ya-lou²,SUN Feng-chi²,YUAN Jing¹

1.College of Information Technical Science，Nankai University，Tianjin 300071，China
2.College of Software，Nankai University，Tianjin 300071，China

Received:1900-01-01 Revised:1900-01-01 Online:2007-12-21 Published:2007-12-21
Contact: KANG Ye-wei

摘要/Abstract

摘要：

同时定位与建图是移动机器人实现真正自治的必要前提，FastSLAM作为一种成功的SLAM方法受到研究者的广泛青睐，FastSLAM将SLAM问题分为一个定位问题和一个建图问题，其中用扩展卡尔曼滤波器（EKF）实现地图陆标的估计与更新，提出了一种改进的FastSLAM方法，用UKF滤波器代替EKF实现FastSLAM中的陆标估计，使得陆标的估计精度提高，该方法同时具有UKF滤波器无需求解观测模型的雅克比矩阵的优点。

关键词: 同时定位与建图, UKF, 扩展卡尔曼滤波器, FastSLAM

Abstract: Simultaneous localization and mapping，for short SLAM，is a necessary prerequisite to make mobile robot truly autonomous，which is a hot research topic today.FastSLAM as a successful SLAM method abstracts many researchers’ attentions.FastSLAM factors the SLAM problem into a localization problem and a mapping problem in which the landmark position is estimated by EKF.A modified FastSLAM is presented，using the UKF to replace the EKF to estimate the landmark position.So we can improve the estimation precision，at the same time no need to linearize the sensor observation mode and to compute its Jacobian matrix.

Key words: Simultaneous Localization and Mapping（SLAM）, Unscented Kalman Filter（UKF）, Extended Kalman Filter（EKF）, FastSLAM

康叶伟¹,黄亚楼²,孙凤池²,苑晶¹. 一种改进的FastSLAM算法[J]. 计算机工程与应用, 2007, 43(36): 4-6.

KANG Ye-wei¹,HUANG Ya-lou²,SUN Feng-chi²,YUAN Jing¹. Improved FastSLAM algorithm[J]. Computer Engineering and Applications, 2007, 43(36): 4-6.

[1]	徐少杰，曹雏清，王永娟. 视觉SLAM在室内动态场景中的应用研究[J]. 计算机工程与应用, 2021, 57(8): 175-179.
[2]	杨世强，白乐乐，赵成，王国栋，李德信. 一种改进的Qtree_ORB算法[J]. 计算机工程与应用, 2021, 57(20): 82-89.
[3]	王冠政1，汪海洋2，程志伟1，万紫嫣1，文雪1，何建华1. vSLAM在无人机平台上的发展研究综述[J]. 计算机工程与应用, 2019, 55(14): 8-14.
[4]	孙磊1，2，黄国勇1，2，李越1，2. 改进的强跟踪SVD-UKF算法在组合导航中的应用[J]. 计算机工程与应用, 2017, 53(10): 225-229.
[5]	张玉峰1，周奇勋1，周勇2，张举中3. 非线性自适应平方根无迹卡尔曼滤波方法研究[J]. 计算机工程与应用, 2016, 52(16): 36-40.
[6]	朱文超，许德章. 六维力传感器下E膜小生境野草EKF滤波研究[J]. 计算机工程与应用, 2015, 51(18): 62-68.
[7]	方庆，李平. 基于Unscented卡尔曼滤波的室内定位[J]. 计算机工程与应用, 2014, 50(14): 74-77.
[8]	卢健1，2，徐德民1，张立川1，张福斌1. AUV同时定位与跟踪研究[J]. 计算机工程与应用, 2011, 47(16): 4-7.
[9]	夏益民，杨宜民. 一种利用模糊逻辑改进FastSLAM 2.0的方法[J]. 计算机工程与应用, 2010, 46(33): 233-235.
[10]	李贤善，赵逢达，孔令富. 家庭服务机器人基于NDT扫描匹配的SLAM研究[J]. 计算机工程与应用, 2009, 45(25): 246-248.
[11]	程松,陈光梦. 一种利用UKF的高速公路实时交通状态估计方法[J]. 计算机工程与应用, 2008, 44(8): 226-229.
[12]	吴志华^1,2,申功勋¹,丁杨斌¹. UKF算法在星载GPS低轨卫星定轨中的应用[J]. 计算机工程与应用, 2008, 44(33): 215-217.
[13]	郭剑辉¹,赵春霞¹,石杏喜^1,2. 基于联邦UKF算法的移动机器人自主组合导航[J]. 计算机工程与应用, 2007, 43(32): 59-61.
[14]	黄冬民. 基于比例UKF的神经网络及其应用[J]. 计算机工程与应用, 2007, 43(24): 69-71.