一种改进的鲁棒SLAM算法

doi:10.3969/j.issn.1006-2475.2016.02.023

计算机与现代化

一种改进的鲁棒SLAM算法

河海大学物联网工程学院，江苏常州213022

收稿日期:2015-09-23 出版日期:2016-03-02 发布日期:2016-03-03
作者简介: 柯江胜（1991-），男，江西湖口人，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，教授，博士，研究方向:神经网络,多机器人系统；吴榴迎（1991-），女，浙江桐庐人，硕士研究生，研究方向: 机器人导航。
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）

An Improved Robust SLAM Algorithm

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

Received:2015-09-23 Online:2016-03-02 Published:2016-03-03

摘要/Abstract

摘要：

机器人在未知环境工作时经常会受到外部干扰的影响，易导致常规SLAM算法定位失败，因此提高其鲁棒性是研究的关键。针对这一问题，提出一种改进的鲁棒SLAM算法，在应对外部干扰时

，同时对系统状态的先验估计误差协方差和观测噪声协方差进行调整，从而得到更准确的定位结果。仿真实验结果表明，所提算法优于现有算法，在存在外部干扰的情况下能更有效地减小机器人定位误

差。

关键词: 同步定位与地图构建, 扩展卡尔曼滤波, 外部干扰, 鲁棒性

Abstract:

When the robot works in an unknown environment, it is often affected by the external disturbance, which will make the localization failure based on the general

SLAM algorithm. To deal with this problem, an improved robust SLAM algorithm is proposed, to obtain a more accurate positioning result and reduce the effect of the external

disturbance, by adjusting the state prior estimate error co-variance and measurement noise co-variance of the system simultaneously. Finally, some simulation experiments are

conducted, the results show that the proposed algorithm can decrease the robot localization error more effectively under the environment with external disturbance, and the

performance of the proposed algorithm is superior to other algorithms.

Key words: SLAM, EKF, external disturbance, robustness

柯江胜,倪建军,吴榴迎. 一种改进的鲁棒SLAM算法[J]. 计算机与现代化, doi: 10.3969/j.issn.1006-2475.2016.02.023.

KE Jiang-sheng, NI Jian-jun, WU Liu-ying. An Improved Robust SLAM Algorithm[J]. Computer and Modernization, doi: 10.3969/j.issn.1006-2475.2016.02.023.

参考文献

［1］ Chen S Y. Kalman filter for robot vision: A survey［J］. IEEE Transactions on Industrial Electronics, 2012,59(11):4409-4420.

［2］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.
［3］陶辉,吴怀宇,程磊,等. 基于特征地图的移动机器人EKF-SLAM和FastSLAM算法自主导航研究［J］. 北京联合大学学报(自然科学版), 2010,24(2):18-24.
［4］张毅,陈起,罗元. 室内环境下移动机器人三维视觉SLAM［J］. 智能系统学报, 2015,10(4):1-6.
［5］ Djugash J, Singh S. A robust method of localization and mapping using only range［C］// The 11th International Symposium on Experimental Robotics. 2009:341-351.
［6］陈家乾,何衍,蒋静坪. 添加约束的EKF-SLAM算法［J］. 科技通报, 2009,25(4):481-487.
［7］ Alcantarilla P F, Bergasa L M, Dellaert F. Visual odometry priors for robust EKF-SLAM［C］// 2010 IEEE International Conference on Robotics and Automation.

2010:3501-3506.
［8］曹军,曾碧,何元烈. 基于路标观测的改进EKF-SLAM算法［J］. 自动化与信息工程, 2014,35(1):21-26.
［9］ Ting J A, Theodorou E, Schaal S. Learning an outlier-robust Kalman filter［C］// The 18th European Conference on Machine Learning. 2007:748-756.
［10］Liu Wei, Zheng Nanning, Yuan Zejian, et al. Robust monocular SLAM towards motion disturbance［J］. Chinese Science Bulletin, 2014,59(17):2050-2056.
［11］吕太之. 一种新的抗外部干扰EKF-SLAM算法［J］. 计算机工程, 2012,38(21):1-4.
［12］Chen Y C, Lin T H, Shih T M. Using Range and Bearing Observation in Stereo-Based EKF SLAM［C］// Towards Autonomous Robotic Systems(TAROS). 2013:340-352.
［13］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, 2014(3):4-7.
［14］Lee K, Ryu S, Kang J, et al. Analysis of the reference coordinate system used in the EKF-based SLAM［C］// The 11th International Conference on Ubiquitous Robots and

Ambient Intelligence(URAI). 2014:33-38.
［15］时也,吴怀宇,徐文霞,等. 基于扩展卡尔曼滤波器的移动机器人SLAM研究［J］. 电子设计工程, 2012,20(1):104-106.
［16］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, 2006,31(6):925-933.
［17］Choi W S, Oh S Y. Robust EKF-SLAM method against disturbance using the shifted mean based covariance inflation technique［C］// 2011 IEEE International Conference on

Robotics and Automation(ICRA). 2011:4054-4059.

[1]	钱晓钊, 王澎. 面向图卷积神经网络鲁棒防御方法[J]. 计算机与现代化, 2023, 0(01): 74-80.
[2]	王建华, 冉煜琨. 适用于便携式设备的深度神经网络眼动跟踪[J]. 计算机与现代化, 2021, 0(08): 58-63.
[3]	李卫东, 徐澍锟, 王运明. 基于复杂网络的纽约轨道交通网络特性分析[J]. 计算机与现代化, 2021, 0(02): 94-99.
[4]	白晓波1，邵景峰1，和征1，田建刚2. 基于学习的核偏最小二乘法优化扩展卡尔曼滤波[J]. 计算机与现代化, 2018, 0(09): 110-.
[5]	姜苏英. 基于改进PSO算法的加热系统分数阶控制[J]. 计算机与现代化, 2018, 0(07): 39-.
[6]	缑新科1，2，3,徐高鹏1，2，3. 基于Gabor滤波的语音识别鲁棒性研究[J]. 计算机与现代化, 2018, 0(05): 20-.
[7]	曹亚琴 1,2，秦宁宁 1,2，杨乐 1,2，李曦 3. 基于高斯和滤波的高轨双星高超音速目标跟踪[J]. 计算机与现代化, 2017, 0(10): 87-94.
[8]	胡洪,李雪梅,秦丽圆,康德,鲁长江. 融合RSSI测距定位的室内PDR算法[J]. 计算机与现代化, 2016, 0(9): 87-90.
[9]	张婵，冯国军，肖云波. 数据中心网络结构鲁棒性指标研究[J]. 计算机与现代化, 2016, 0(5): 55-60.
[10]	陈雪松1，李昊天1，贾瑞成2，孙立娜2，卜广龙1. 一种基于混沌加密的DWT数字音频水印算法[J]. 计算机与现代化, 2014, 0(8): 46-49+74.
[11]	鲁坚，涂广毅，吴海燕. 基于曲面拟合的彩色图像数字水印算法[J]. 计算机与现代化, 2014, 0(7): 133-136.
[12]	钟艳. 基于四元数傅里叶梅林变换的RST不变彩色图像水印算法[J]. 计算机与现代化, 2014, 0(5): 113-117.
[13]	罗宇,吕光宏. 基于鲁棒性的链路权重规划算法[J]. 计算机与现代化, 2014, 0(1): 71-76.
[14]	陆洋. ROPART:一种鲁棒的网络切分算法[J]. 计算机与现代化, 2013, 1(3): 67-70.
[15]	穆俊鹏;李鑫;张明. 基于DWT的水印嵌入规则性能研究 [J]. 计算机与现代化, 2012, 8(08): 93-97.

一种改进的鲁棒SLAM算法

An Improved Robust SLAM Algorithm

可视化

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