一种平方根容积模糊自适应卡尔曼滤波SLAM方法

摘要

本发明公开了一种平方根容积模糊自适应卡尔曼滤波SLAM方法，所述方法包括：对移动机器人进行建模，建立动力学模型和观测模型；模糊自适应噪声动态调整算法，对动力学模型和观测模型中的运动噪声和观测噪声设置控制权值，通过动态调整新息均值和方差的方式对噪声的权值进行了模糊调整；通过k‑1时刻的机器人位姿信息预测k时刻机器人位姿信息；经过预设次数迭代后，对计算器位姿信息进行更新。将迭代方式与强跟踪相结合，并针对机器人存在运动噪声和观测噪声的问题，采用改进的模糊自适应方式对不同的噪声进行自适应动态调整。降低了算法复杂度，解决了采样点在非线性情况下存在失真的问题，校正因特征点增加引起的轨迹偏移现象，提高了位姿精度。