基于高阶扩维卡尔曼滤波器的SLAM算法研究

摘要

针对扩展卡尔曼滤波在解决强非线性系统问题时精度不高、在机器人进行同时定位与建图时误差大、抗干扰性弱、小车运动估计效果不理想等问题，提出了一种基于高阶扩维卡尔曼滤波器的小车运动估计方法。为了解决舍入误差，高阶扩维卡尔曼滤波器算法引入隐变量，将小车运动模型进行伪线性化表示，在系统变量和隐变量之间建立线性关系，将系统状态模型转化为线性形式，再将观测模型进行等价改写。最终将小车运动模型改写为符合卡尔曼滤波的线性形式。仿真结果显示，基于高阶扩维卡尔曼滤波器的SLAM算法具有高性能和高精度等优点。

关键词

SLAM / 特征估计 / 卡尔曼滤波器