作者:段锁林,谈刚,周玉勤,朱海勇 单位:中国计算机自动测量与控制技术协会 出版:《计算机测量与控制》2016年第04期 页数:4页  (PDF与DOC格式可能不同) PDF编号:PDFJZCK2016040670 DOC编号:DOCJZCK2016040679 下载格式:PDF + Word/doc 文字可复制、可编辑
《测距式传感器同时定位与地图创建综述》PDF+DOC2015年第05期 刘建华,刘华平,杨建国,高蒙,孙富春 《移动机器人SLAM关键问题和解决方法综述》PDF+DOC2018年第07期 杨雪梦,姚敏茹,曹凯 《基于随机有限集的SLAM算法》PDF+DOC2012年第07期 杜航原,赵玉新,杨永鹏,韩庆楠 《基于粒子滤波的移动机器人SLAM算法》PDF+DOC2010年第01期 涂刚毅,金世俊,祝雪芬,宋爱国 《SLAM在室内测绘仪器研发中的应用综述》PDF+DOC2017年第04期 蔡来良,杨望山,王姗姗,朱学练 《一种基于CI因子图的多机器人2D地图融合算法》PDF+DOC2017年第06期 王巍,浦云明,李旺 《未知环境中移动机器人SLAM问题的研究进展》PDF+DOC2005年第03期 贺伟,梁昔明 《用概率假设密度滤波实现同步定位与地图创建》PDF+DOC2011年第12期 杜航原,郝燕玲,赵玉新,杨永鹏 《SLAM问题中特征相关性研究》PDF+DOC2008年第06期 郭剑辉,赵春霞,康亮 《自移动式机器人自主导航研究的新进展》PDF+DOC2015年第06期 谢伟枫
  • 针对移动机器人同时定位与地图创建(SLAM)的问题,就扩展卡尔曼(EKF)算法所存在的缺陷即不适合大范围环境及密集环境等特征数量较大的场合,提出了一种改进的EKF-SLAM算法;它在扩展卡尔曼(EKF)算法上采用Rao-Blackwellise的分解思想-分解估计构架,将SLAM问题分解为路径估计和地图估计两个问题从而进行预测步骤,观测步骤,更新步骤和向量增广步骤4个步骤;仿真结果显示改进的EKF-SLAM算法比EKF-SLAM算法在特征数量较大的场合更具有优异性;它大大降低了计算复杂度,提高了准确性,为在比较复杂环境下实时解决移动机器人同时定位与地图创建(SLAM)的问题提供了一种有效方法。

    提示:百度云已更名为百度网盘(百度盘),天翼云盘、微盘下载地址……暂未提供。