基于改进能观性的扩展卡尔曼滤波机器人定位

简介

为解决EKF-SLAM算法的状态估计不一致问题,提出一种改进能观性的EKF算法。利用每一个状态变量的第一个可用估计值计算滤波器的雅可比矩阵,从而保证误差状态系统模型的可观测子空间与实际的非线性SLAM系统的可观测子空间具有相同维数。在测量噪声协方差未知的情况下,对EKF-SLAM算法运用初始化的指数移动平均法估计测量噪声协方差。结果表明:改进的EKF-SLAM算法比传统EKF-SLAM算法的定位更精确,均方误差至少降低30%。