.png){kind=icon}
返回
Batch SLAM With PMBM Data Association Sampling and Graph-Based Optimization
.png){kind=icon}
OA
AI
DOI：10.1109/TSP.2025.3567916.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
同时定位与建图（SLAM）方法需要同时解决数据关联（DA）问题以及基于DA的传感器轨迹和地图的联合估计。在本文中，我们提出了一种新颖的集成方法，将随机有限集（RFS）理论与基于图的方法相结合，同时解决DA问题和批处理SLAM问题。基于泊松多伯努利混合（PMBM）密度的采样方法被设计用于处理DA不确定性，并应用基于图的SLAM求解器解决条件SLAM问题。最后，采用后处理方法合并来自不同迭代的SLAM结果。使用合成数据表明，所提出的SLAM方法能够达到接近后验克拉美罗下界（CRLB）的性能，并在高杂波和高过程噪声场景下优于当前最先进的RFS-based SLAM滤波器。
Keyword:
Batch processing
SLAM
DA
correlation
RFS
graph-based SLAM
sampling
PMBM
期刊
IF:
13.7
论文数:
1.0W
被引数:
8.4W
机构
引用论文
.png){kind=icon}
分享收藏Square root SAM: Simultaneous localization and mapping via square root information smoothing平方根SAM: 通过平方根信息平滑同时定位和映射
OAAI
OAAI分享收藏分享收藏The Collapsed Gibbs Sampler in Bayesian Computations with Applications to a Gene Regulation Problem
PREAI
分享收藏
查看更多内容