从可观测性的角度研究基于扩展卡尔曼滤波器(EKF)的同时定位与地图构建(SLAM)中的不一致性问题附Matlab代码
在机器人技术与自动驾驶领域,同时定位与地图构建(SLAM)技术是实现机器人自主导航的核心。机器人需要在未知环境中实时确定自身位置,并构建周围环境的地图,以便做出合理的决策和规划路径。基于扩展卡尔曼滤波器(EKF)的 SLAM 是一种经典且广泛应用的方法,然而,该方法存在不一致性问题,即估计的机器人位姿和地图与真实情况的偏差会随时间逐渐累积,严重影响系统性能。从可观测性角度研究这一问题,为深入理解和
所有评论(0)