尺度Unscented变换在同时定位与地图创建算法中的应用研究

摘要

同时定位与地图创建(SLAM)问题中运动及观测模型都是非线性的,当采用常用的扩展卡尔曼滤波(EKF)处理时需要通过Jacobian矩阵来线性化,由此带来的线性化误差影响了算法的一致性.本文将scaled unscented变换(scaled unscented transformation, SUT)以两种不同的方式运用到SLAM算法中,一是将整个状态方程进行SUT变换,用UKF完全代替EKF进行状态估计;二是只对状态向量中的机器人位姿进行SUT变换,地图特征的预测及整个状态的更新还是用EKF处理,以一种混合的方式进行状态估计.最后通过大量的Monte-Carlo仿真实验表明,两种方法都能有效地降低EKF的线性化误差,且第二种方法计算效率更高.