基于变分贝叶斯双尺度自适应时变噪声容积卡尔曼滤波的同步定位与建图算法

TN713%TP242; 为解决移动机器人在同步定位与建图(SLAM)中因系统噪声和观测噪声时变导致状态估计精度降低的问题,该文提出一种基于变分贝叶斯的双尺度自适应时变噪声容积卡尔曼滤波SLAM算法(DSACKF?SLAM).该算法采用逆Wishart分布对一步预测误差协方差矩阵Pk|k–1和观测噪声协方差矩阵Rk建模,分别用来降低系统噪声和观测噪声的影响,并利用变分贝叶斯滤波实现对移动机器人状态向量Xk,Pk|k–1和Rk的联合估计.分别在系统噪声和观测噪声时变和时不变的条件下进行仿真实验,结果表明与基于无迹卡尔曼滤波的SLAM算法(UKF SLAM)?、自适应更新观测噪声的容积卡尔曼滤波的SLAM算法(VB-ACKF?SLAM)?相比,所提DSACKF SLAM算法在噪声时变时,平均位置误差分别减小1.54?m,?3.47?m;噪声时不变时,平均位置误差分别减小0.62?m,1.41?m,证明DSACKF?SLAM算法有更好的估计性能.