.png){kind=icon}
返回
An Improved Particle Filtering Algorithm for Indoor Robot Localization Using a Prior Map
.png){kind=icon}
OA
AI
DOI：10.3390/electronics15153403.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
本文聚焦于存在里程计和IMU累积误差下的室内机器人定位问题。考虑到机器人运动受限于先验地图，利用地图作为位置参考有助于减少累积误差。因此，提出了一种基于地图约束的粒子滤波方法以提高室内机器人定位精度。首先，构建了LiDAR测量模型以提供机器人到地图障碍物的距离。由于每个粒子代表机器人的一个可能状态，其虚拟测量与实际LiDAR测量之间的残差被用于更新对应粒子的权重。此外，设计了一种迭代运动策略，引导采样粒子向高概率区域移动以增强粒子有效性。最终，实验结果表明所提出的方法较传统粒子滤波方法实现了更高的定位精度。
Keyword:
indoor localization
particle filter
map constraint
movement strategy
期刊
IF:
2.6
论文数:
1.1W
被引数:
4.7W
机构
引用论文
VID-SLAM: Robust Pose Estimation with RGBD-Inertial Input for Indoor Robotic LocalizationVID-SLAM：基于RGBD-惯性输入的室内机器人定位中的鲁棒位姿估计.png)
ElectronicsOAAI
ElectronicsIF0
OAAI分享收藏LiDAR-OSM-Based Vehicle Localization in GPS-Denied Environments by Using Constrained Particle FilterSENSORS
OAAI
SENSORSIF3.5
OAAI分享收藏A Robust Adaptive Extended Kalman Filter Based on an Improved Measurement Noise Covariance Matrix for the Monitoring and Isolation of Abnormal Disturbances in GNSS/INS Vehicle Navigation一种基于改进测量噪声协方差矩阵的鲁棒自适应扩展卡尔曼滤波器，用于GNSS/INS车辆导航中的异常扰动监控与隔离OAAI
OAAI分享收藏A Novel Smartphone PDR Framework Based on Map-Aided Adaptive Particle Filter with a Reduced State Space一种基于地图辅助自适应粒子滤波与缩减状态空间的智能手机PDR框架OAAI
OAAI分享收藏PLM-SLAM: Enhanced Visual SLAM for Mobile Robots in Indoor Dynamic Scenes Leveraging Point-Line Features and Manhattan World ModelPLM-SLAM：利用点-线特征和曼哈顿世界模型增强移动机器人在室内动态场景中的视觉SLAMElectronicsOAAI
ElectronicsIF0
OAAI分享收藏分享收藏Yuan, S.; Wu, J.; Luan, F.; Zhang, L.; Lv, J. Improvement of Strong Tracking UKF-SLAM Approach using Three-position Ultrasonic Detection. Robot. Auton. Syst. 2023, 159, 104305. [Google Scholar] [CrossRef]Yuan, S.; Wu, J.; Luan, F.; Zhang, L.; Lv, J. 基于三位置超声波检测的强跟踪UKF-SLAM方法改进. Robot. Auton. Syst. 2023, 159, 104305. [Google Scholar] [CrossRef]
IF0
PREAI
分享收藏
查看更多内容