«上一篇/Previous Article|本期目录/Table of Contents|下一篇/Next Article»

《计算机技术与发展》[ISSN:1006-6977/CN:61-1281/TN]

卷:

期数:

2010年02期

页码:

95-98

栏目:

智能、算法、系统工程

出版日期:

1900-01-01

文章信息/Info

Title:

Study on Mobile Robot FastSLAM under Unstructured Scenes

文章编号:

1673-629X（2010）02-0095-04

作者:

宋鑫坤¹ 陈万米¹; 2 徐昱琳¹; 2 张雷¹ 朱明¹

[1]上海大学机电工程与自动化学院[2]上海市电站自动化技术重点实验室

Author(s):

SONG Xin-kun¹;  CHEN Wan-mi¹; 2;  XU Yu-lin¹; 2;  ZHANG Lei¹;  ZHU Ming¹

[1]School of Electromechanical Engineering and Automation, Shanghai University[2]Shanghai Key Laboratory of Power Station Automation Technology

关键词:

FastSLAM; 贝叶斯滤波; Rao-Blackwellised分解; 粒子滤波器; 非结构化场景

Keywords:

FastSLAM ; Bayes filter ; Rao - Blaekwellised faetorization;  particle filter;  tmstruetured scenes

分类号:

TP242.6

文献标志码:

A

摘要:

FastSLAM算法是当前移动机器人自定位与自建地图领域中研究的热点和关键。系统论述FastSLAM关键技术及基本理论，并设计非结构化场景进行自定位与自建地图应用研究。首先，对贝叶斯滤波理论进行了概述，得到移动机器人SLAM问题的基本贝叶斯滤波递归形式；其次，应用Rao—BlackweUised理论将状态分解为采样部分和解析部分进行讨论，得到SLAM问题的解耦形式；再次，论述了算法中序贯和综合重采样粒子滤波器；最后给出FastSLAM伪算法的整体实现过程，给出在非结构化场景下仿真结果。仿真结果表明Fast

Abstract:

In recent years, FastSLAM has been raised as hotspot in area of simultaneous localization and mapping for mobile robot. The FastSLAM key technologies are systematically summarized in this paper. First, the theoretical solution for SLAM problem based on Ba

备注/Memo

备注/Memo:

上海市重点学科建设项目（T0103）宋鑫坤（1984-），男，硕士研究生，研究方向为智能移动机器人、机器视觉；陈万米，副教授，研究方向为智能移动机器人、机器视觉、多机器人协调。

常用功能

更新日期/Last Update: 1900-01-01