基于改进模糊自适应扩展卡尔曼滤波的机器人SLAM算法

doi:10.3969/j.issn.1006-2475.2014.03.002

计算机与现代化

基于改进模糊自适应扩展卡尔曼滤波的机器人SLAM算法

河海大学物联网工程学院，江苏常州213022

收稿日期:2013-12-02 出版日期:2014-03-24 发布日期:2014-03-31
作者简介:王楚（1989-），女，江苏扬州人，河海大学物联网工程学院硕士研究生，研究方向：机器人SLAM；倪建军（1978-），男，安徽黄山人，副教授，硕士生导师，博士，研究方向：神经网络，多机器人系统；殷霞红（1989-），女，江苏泰州人，硕士研究生，研究方向：多机器人。
基金资助:
国家自然科学基金资助项目（61203365）; 江苏省自然科学基金资助项目（BK2012149）; 中央高校基本科研业务费专项基金资助项目（2011B04614）

Robot Simultaneous Localization and Mapping AlgorithmBased on Improved Fuzzy Adaptive Kalman Filter

College of Internet of Things Engineering, Hohai University, Changzhou 213022, China

Received:2013-12-02 Online:2014-03-24 Published:2014-03-31

摘要/Abstract

摘要： 机器人SLAM问题是目前机器人研究领域中的重点，如何减少定位误差，有效地改善算法的鲁棒性，提高机器人定位和地图创建的准确性是研究的关键。针对这个问题，本文提出一种基于改进模糊自适应扩展卡尔曼滤波的SLAM算法，通过模糊自适应控制模型控制系统噪声和观测噪声。仿真实验结果表明，本文算法有效地解决卡尔曼滤波器的发散问题，可以有效减少机器人定位误差。

关键词: SLAM问题, 定位误差, 模糊自适应控制模型, 机器人

Abstract: Robot simultaneous localization and mapping (SLAM) problem is a very important issue in the robotic field. The main tasks of SLAM include how to reduce the localization error, improve the robustness of the algorithms effectively and improve the accuracy of robot simultaneous localization and mapping. Aim at this problem, an improved fuzzy adaptive extended Kalman filter (EKF) is proposed. In the proposed approach, a fuzzy adaptive control model is used to adjust the system noise and observation noise. Finally, some simulation experiments are conducted, and the experimental results show that the proposed approach can solve the divergence of Kalman filter and reduce the robot localization error effectively.

Key words: SLAM problem, localization error, fuzzy adaptive control model, robot

中图分类号:

TP301.6

王楚，倪建军，殷霞红. 基于改进模糊自适应扩展卡尔曼滤波的机器人SLAM算法[J]. 计算机与现代化, doi: 10.3969/j.issn.1006-2475.2014.03.002.

WANG Chu, NI Jian-jun, YIN Xia-hong. Robot Simultaneous Localization and Mapping AlgorithmBased on Improved Fuzzy Adaptive Kalman Filter[J]. Computer and Modernization, doi: 10.3969/j.issn.1006-2475.2014.03.002.

参考文献

参考文献：
［1］罗荣华,洪炳镕. 移动机器人同时定位与地图创建研究进展［J］. 机器人, 2004,26(2):182-186.
［2］张勋,王宏建,周佳加,等. 水下无人航行器结构环境SFEK同步构图定位方法［J］. 哈尔滨工程大学学报, 2012,33(8):1016-1021.
［3］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.
［4］Cao M L, Yu L, Cui P Y. Simultaneous localization and map building using constrained sate estimate algorithm ［C］// 2008 IEEE International Conference on Intelligent Control. 2008: 315-319.
［5］庄严,王伟,王珂,等. 移动机器人基于激光测距和单目视觉的室内同时定位和地图构建［J］. 自动化学报, 2005,31(6):925-933.
［6］Li M H, Hong B R, Luo R H. Coevolution particle filter for mobile robot simultaneous localization and mapping ［C］// 2005 IEEE International Conference on Natural Language Processing and Knowledge Engineering. 2005:808-813.
［7］李忠良,陈卫兵,邹豪杰,等. 基于新息的神经网络自适应卡尔曼滤波［J］. 湖南工业大学学报, 2011,25(1):105-108.
［8］徐定杰,贺瑞,沈锋,等. 基于新息协方差的自适应渐消卡尔曼滤波器［J］. 系统工程与电子技术, 2011,33(12):2696-2699.
［9］杜航原,郝燕玲,赵玉新. 基于模糊自适应卡尔曼滤波的SLAM算法［J］. 华中科技大学学报:自然科学版, 2012,40(1):58-62.
［10］王秋平,陈娟,王显利,等. 一种新的自适应非线性卡尔曼滤波算法［J］. 光电工程, 2008,35(7):17-21.
［11］Wang Z M, Miao D H, Du Z J. Modified particle filter algorithm for mobile robot simultaneous localization and mapping［C］// 2009 IEEE International Conference on State Key Laboratory of Robotics and System. 2009:684-688.
［12］郭利进,王化祥,孟庆浩,等. 基于粒子滤波的移动机器人SLAM改进算法［J］. 计算机工程与应用, 2007,43(30):26-29.
［13］崔树燕. 移动机器人在未知环境中基于视觉系统的同时定位与制图［D］. 哈尔滨:哈尔滨工业大学, 2009.
［14］倪建军,朱昌平,范新南. 基于模糊隶属度函数的传感器失效管理方法［J］. 计算机工程, 2007,33(20):55-57.

[1]	申诗凡, 王立松, 王鑫梦, 秦小麟. 面向多机器人系统的元组空间协同模型[J]. 计算机与现代化, 2023, 0(08): 98-106.
[2]	杜传胜, 高焕兵, 侯宇翔, 汪子建. 基于改进双向A*算法的消防机器人路径规划[J]. 计算机与现代化, 2023, 0(04): 15-19.
[3]	王梓薇. 基于双层模糊推理和改进DWA的多机器人路径规划[J]. 计算机与现代化, 2023, 0(04): 20-25.
[4]	葛红飞, 李轶然. 基于点边缘特征自适应融合的视觉SLAM算法[J]. 计算机与现代化, 2023, 0(03): 107-112.
[5]	李阳阳, 杨英光. 基于生成对抗网络的社交机器人检测[J]. 计算机与现代化, 2022, 0(03): 1-6.
[6]	庞永旭, 袁德成. 融合改进A*与DWA算法的移动机器人路径规划[J]. 计算机与现代化, 2022, 0(01): 103-107.
[7]	候聪颖, 王鹏, 朱丽霞, 管晓宁. 适用于RPA工具的卷积序列推荐算法[J]. 计算机与现代化, 2021, 0(12): 96-102.
[8]	刘海龙, 张蕾, 吴海波. 基于多工业机器人的轮毂打磨工作站系统[J]. 计算机与现代化, 2020, 0(09): 118-121.
[9]	胡全贵，赵恩来，贾伟昭，开北强. 数据中心巡检机器人信息平台实时任务容错调度算法[J]. 计算机与现代化, 2020, 0(05): 50-.
[10]	陈凯,祖莉,欧屹. 基于YOLOv3与ResNet50的摄影机器人人脸识别跟踪系统[J]. 计算机与现代化, 2020, 0(04): 30-.
[11]	宋周锐. 基于混合全局池化的回环检测算法[J]. 计算机与现代化, 2020, 0(04): 115-.
[12]	牛道鸿1，马晓东1，吴雪冰1，王芳1,2 . 基于改进的Adaboost和LBP危险物品检测算法研究[J]. 计算机与现代化, 2020, 0(02): 122-.
[13]	黄武飞1，曾吉昌1，黄锦权1，李思寒1，陈育均1，陈钊1，郑志硕1,2. 基于实验室安保服务型机器人的人脸识别[J]. 计算机与现代化, 2019, 0(07): 61-.
[14]	陈华珍，夏国清，陈泽锋. 同轨行走可完成交汇的服务机器人巡航系统[J]. 计算机与现代化, 2019, 0(07): 104-.
[15]	袁雯，刘惠义. 基于深度Q网络的仿人机器人步态优化[J]. 计算机与现代化, 2019, 0(04): 47-.

基于改进模糊自适应扩展卡尔曼滤波的机器人SLAM算法

Robot Simultaneous Localization and Mapping AlgorithmBased on Improved Fuzzy Adaptive Kalman Filter

可视化

被引次数

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 15

编辑推荐

Metrics

本文评价