基于无迹卡尔曼滤波器的改进SLAM问题求解方法

摘要

目前在即时定位与地图构建(Simultaneous Localization And Mapping,SLAM)的研究中已经使用局部取样策略来降低无迹卡尔曼滤波(Unscented Kalman Filter,UKF)的计算复杂度至状态向量维数的平方等级.但是在大规模的SLAM中平方复杂度仍然难以满足实时性需求.为了解决这个问题,提出了一种收缩无迹卡尔曼滤波器(Shrink Unscented Kalman Filter,S-UKF),并应用于SLAM问题中.首先证明了解耦非线性系统中的部分取样策略和全取样策略的等价性.然后提出了一个通过重构公式中相关项的收缩方式来降低计算复杂度.最后,仿真实验的结果和基于真实环境数据集的实验结果证明了该方法的有效性.