基于強(qiáng)跟蹤UKF的自適應(yīng)PHD-SLAM算法
摘要: 傳統(tǒng)概率假設(shè)密度同時(shí)定位與建圖(Probability Hypothesis Density-Simultaneous Localization and Mapping,PHD-SLAM)方法缺乏在線自適應(yīng)調(diào)整能力,容易受到不確定噪聲、初始系統(tǒng)參數(shù)選擇以及線性化近似誤差的影響,從而導(dǎo)致粒子退化問題,進(jìn)而影響機(jī)器人位姿和地圖特征點(diǎn)的估計(jì)精度。針對(duì)這一問題,本文提出了一種基于強(qiáng)跟蹤... (共9頁(yè))
開通會(huì)員,享受整站包年服務(wù)