郭 润， 石守东

(宁波大学 信息科学与工程学院，浙江 宁波 315211)



基于熵规则的信息滤波SLAM算法*

郭 润， 石守东

(宁波大学 信息科学与工程学院，浙江 宁波 315211)

信息滤波同时定位与构图(IFSLAM)算法如何获得稀疏化的信息矩阵是解决滤波性能的关键因素。通过对稀疏扩展信息滤波深入分析，发现其稀疏化结果难以保证关联性最弱的环境主动特征被稀疏掉；为了改进这一缺陷，提出一种基于熵稀疏规则的改进SLAM算法，该算法利用熵性质、综合当前以及下一观测时刻来选择与位姿关联性最弱的环境特征作为稀疏特征点；有效提高了算法的稀疏性能。在Matlab上对改进算法进行仿真，验证改进算法的有效性。

信息滤波(IF)； 同时定位与构图(SLAM)； 稀疏规则； 熵性质

0 引 言

移动机器人在未知环境中如何实现真正的自主导航、路径规划[1,2]等问题，在机器人研究领域获得了极为广泛的关注。同时定位与地图构建(simultaneous localization and map building，SLAM)是实现机器人真正自主导航和路径规划等问题的关键技术之一[3]。SLAM 是指机器人在未知环境中，依靠自身携带的传感器递增式地创建环境地图，同时利用已创建的环境地图来估计机器人在地图中的位置。

最初SLAM算法是由Smith R等人[4]提出来的。他们利用扩展卡尔曼滤波(extended Kalman filtering,EKF)来解决SLAM问题。然而，标准EKF SLAM算法的时间复杂度与空间复杂度高[5]，使其难以应用到大环境中。随着SLAM技术的不断发展，产生了许多优秀的SLAM算法，主要有：Guivant J E等人[6]的EKF改进算法—压缩扩展卡尔曼滤波，Nasuriwong S等人[7]的Rao-Blackwellized Particle Filter SLAM算法，朱奇光等人[8]的球面单径容积FastSLAM算法，以及Cheein F A等人[9]的最优扩展信息滤波算法(EIF SLAM)。……