大范围环境中EKF-SLAM问题的改进算法

摘要

机器人同步定位与地图构建(SLAM)是指机器人在移动过程中以增量形式创建环境地图并通过所构建地图反复推断自身位置的过程.为实现上述功能,采用传统的扩展卡尔曼滤波(EKF)最优迭代估计方法,在大范围环境条件下,估计误差累积增大,且不能对已构建的环境地图进行更新.提出一种改进算法(KLM-EKF算法),用已知路标的信息对机器人位姿和协方差矩阵进行修正,并创建辅助系数矩阵修正已构建地图,从而实现路标的全局更新.仿真结果表明,在大范围环境中,改进后的算法使机器人自身定位和路标估计误差大幅度降低,并且能够自主地更新已构建地图,有效提高了定位和构图精度.