基于高斯—施密特粒子滤波器的多机器人协同定位

摘要

多机器人协同定位需对各个机器人的运动模型和观测模型精确建模,需要运用非线性、非高斯系统.已经应用于本领域的各种非线性算法主要有两种:一种是扩展卡尔曼滤波算法(EKF),它对非线性系统进行局部线性化,从而间接利用卡尔曼算法进行滤波与估算;另一种是序列蒙特卡罗算法,即粒子滤波器(PF).本文介绍了一种改进的粒子滤波器,即高斯-施密特粒子滤波器(GHPF),重点比较这三种算法在多机器人协同定位领域的应用效果.