基于分布式无味边缘粒子滤波的同步定位与地图构建

上海交通大学学报（自然版） ›› 2014, Vol. 48 ›› Issue (07): 986-992.

• 自动化技术、计算机技术 • 上一篇下一篇

基于分布式无味边缘粒子滤波的同步定位与地图构建

裴福俊,李昊洋,武玫

（北京工业大学电子信息与控制工程学院，北京 100124）

收稿日期:2013-07-24 出版日期:2014-07-28 发布日期:2014-07-28
基金资助:
国家自然科学基金项目（60975065），北京市青年拔尖人才培育计划（CITTCD201304046）

Distributed Unscented Marginalized Particle Filter for Simultaneous Localization and Mapping

PEI Fujun,LI Haoyang,WU Mei

(Department of Electronic Information and Control Engineering, Beijing University of Technology, Beijing 100124, China)

Received:2013-07-24 Online:2014-07-28 Published:2014-07-28

摘要/Abstract

摘要：

针对复杂环境下同步定位与地图构建（SLAM）中分布式粒子滤波算法存在计算量大、粒子退化严重的问题，在分布式算法的基础上结合无味粒子滤波和边缘化算法，提出了一种基于分布式无味边缘粒子滤波的算法.该算法依据分布式思想将系统分解为多个仅包含部分状态量的子系统，各子系统均采用无味粒子滤波算法进行状态估计，通过边缘化算法优化无味粒子滤波算法的边缘分布函数，主滤波器融合各子滤波器的数据计算最终结果，克服了滤波精度低、计算复杂度高的问题. 最后，通过仿真试验证明改进的分布式边缘粒子滤波算法能够抑制粒子退化现象，具有较好的实时性和滤波精度，是解决SLAM的新的有效方法.

关键词: 同步定位与地图构建, 分布式无味粒子滤波, 边缘粒子滤波

Abstract:

Aimed at the problems of low precision, large amount of calculation and severe sample degeneracy of simultaneous localization and mapping(SLAM), this paper presented a distributed unscented marginalized particle filter(DUMPF) algorithm based on the combination of the distributed unscented particle filter(DUPF) with the marginalized particle filter(MPF). In the proposed method, the SLAM system was divided into several subsystems according to the distribution algorithms. The unscented particle filter(UPF) was used in each subsystem to estimate a part of the states. The marginal distribution of the UPF was optimized to reduce the computational complexity. The estimated results of the subsystems were transmitted to the master filter to obtain the final result. The simulation results showed that the improved DUMPF could prevent the particle degeneration problem, and had a higher precision and a smaller computational complexity.

Key words: simultaneous localization and mapping(SLAM), distributed unscented particle filter(DUPF), marginalized particle filter(MPF)

中图分类号:

TP 242.6

裴福俊,李昊洋,武玫. 基于分布式无味边缘粒子滤波的同步定位与地图构建[J]. 上海交通大学学报（自然版）, 2014, 48(07): 986-992.

PEI Fujun,LI Haoyang,WU Mei. Distributed Unscented Marginalized Particle Filter for Simultaneous Localization and Mapping[J]. Journal of Shanghai Jiaotong University, 2014, 48(07): 986-992.

参考文献

［1］DurantWhyte H, Bailey T. Simultaneous localization and mapping: Part I the essential algorithms［J］. Robotics and Automation Magazine, 2006, 13(2):99110.

［2］Tuna G, Gulez K, Gungor V C, et al. Evaluations of different simultaneous localization and mapping(SLAM) algorithms［C］∥Conference on IEEE Industrial Electronics Society. Montreal: IEEE, 2012:26932698.

［3］Csorba M. Simultaneous localization and map building ［D］. PhD dissertation, University of Oxford, 1997.

［4］Huang S, Dissannyake G. Convergence analysis for extended kalman filter based SLAM ［C］∥IEEE International Conference on Robotics and Automation. Orlando: IEEE, 2006：411417.

［5］杨宁，钱峰，朱瑞. 基于遗传算法的改进粒子滤波算法［J］. 上海交通大学学报, 2011,45(10): 15261530.

YANG Ning, QIAN Feng, ZHU Rui. Improved particle filter based on genetic algorithm［J］. Journal of Shanghai Jiaotong University,2011,45(10):15261530.

［6］Van der Merwe R, Doucet A, de Freitas N, et al. The unscented particle filter ［R］. Technical report, Cambridge University Engineering Department, 2000.

［7］Won D, Chun S, Sung S. INS/vSLAM system using distributed particle filter ［J］. International Journal of Control, Automation, and Systems, 2010, 8(6): 12321240.

［8］Thomas S, Fredrik G. Marginalized particle filters for mixed linear/nonlinear statespace models ［J］. IEEE Transactions on Signal Processing, 2005, 53(7):22792289.

［9］朱志宇.粒子滤波算法及其应用［M］.科学出版社,2010.

［10］张铁栋, 万累, 王博,等. 基于改进粒子滤波算法的水下目标跟踪［J］. 上海交通大学学报, 2012, 46(6):943948.

ZHANG Tiedong, WAN Lei, WANG Bo, et al. Underwater object tracking based on improved particle filter［J］.Journal of Shanghai Jiaotong University,2012,46(6):943948.

［11］Julier S. The scaled unscented transformation ［C］∥Proc Amer Control Conf. Anchorage, AK, 2002：45554559.

［12］Jose G. Victoria Park［EB/OL］.http:∥wwwpersonal.acfr.usyd.edu.au/nebot/victoria_park.htm. The University of Sydney, 2002.

[1]	杨振，付庄，管恩广，徐建南，田仕禾，郑辉. MLattice模块机器人的运动学分析及构型优化[J]. 上海交通大学学报（自然版）, 2017, 51(10): 1153-1159.
[2]	赵君1,余海东2. 基于绝对节点坐标法的柔性双臂机构动力学分析[J]. 上海交通大学学报（自然版）, 2017, 51(10): 1160-1165.
[3]	赵子任1,杜世昌1,黄德林1，任斐2，梁鑫光2. 多工序制造系统暂态阶段产品质量马尔科夫建模与瓶颈分析[J]. 上海交通大学学报（自然版）, 2017, 51(10): 1166-1173.
[4]	黄炫圭. 小边概率条件下较小植入团的算法[J]. 上海交通大学学报（自然版）, 2017, 51(10): 1202-1206.
[5]	罗晶晶a,余海东a,赵春璋a,b,王皓a,b. 基于绝对节点坐标法变截面柔性梁运动稳定性研究[J]. 上海交通大学学报（自然版）, 2017, 51(10): 1174-1180.
[6]	汪一波1，黄亦翔1，李炳初1，凌晓1，赵帅1，刘成良1,张大庆2. 一种基于静力学预计算的开关磁阻电机模态仿真方法[J]. 上海交通大学学报（自然版）, 2017, 51(10): 1181-1188.
[7]	周炳海,黎明. 考虑机器人约束加工的制造单元调度方法[J]. 上海交通大学学报（自然版）, 2017, 51(10): 1214-1219.
[8]	陈进平1，张树生1，何卫平1，王明微1，黄晖2. 基于驱动参数建模的可行更改路径搜索和优选方法[J]. 上海交通大学学报（自然版）, 2017, 51(10): 1220-1227.
[9]	周鹏辉，马红占，陈东萍，陈梦月，褚学宁. 基于模糊随机故障模式与影响分析的产品再设计模块识别[J]. 上海交通大学学报（自然版）, 2017, 51(10): 1189-1195.
[10]	彭程,朱剑昀,陈俐. 基于模型参考控制的混合动力汽车模式切换 [J]. 上海交通大学学报（自然版）, 2017, 51(10): 1196-1201.
[11]	柳伟，杨超. 基于反向传播神经网络的注塑模具用零件报价模型[J]. 上海交通大学学报（自然版）, 2017, 51(10): 1207-1213.
[12]	陈苏婷，王卓，王奇. 基于非线性尺度空间的航拍场景分类[J]. 上海交通大学学报（自然版）, 2017, 51(10): 1228-1234.
[13]	陈宁，贺小滨，桂卫华，阳春华. 基于混沌离散序列的图像加密算法研究[J]. 上海交通大学学报（自然版）, 2017, 51(10): 1273-1280.
[14]	刘凯a，张立民b，周立军a. 随机受限玻尔兹曼机组设计[J]. 上海交通大学学报（自然版）, 2017, 51(10): 1235-1240.
[15]	朱信尧1，宋保维2，徐刚1，杨松林1. 支撑机构驻留水下航行器着陆策略及影响因素[J]. 上海交通大学学报（自然版）, 2017, 51(10): 1241-1251.

基于分布式无味边缘粒子滤波的同步定位与地图构建

Distributed Unscented Marginalized Particle Filter for Simultaneous Localization and Mapping

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