Resumen

Cuando se utilizan las soluciones tradicionales de localización y mapeo simultáneos (SLAM) es necesario predecir el modelo matemático del sistema y conocer a priori las estadísticas del ruido. Sin embargo, en muchas aplicaciones prácticas, las estadísticas a priori del ruido son desconocidas o variables en el tiempo, lo que dará lugar a grandes errores de estimación o incluso provocará divergencias. Con el fin de resolver el problema anterior, en este trabajo se estableció un innovador algoritmo SLAM basado en el filtro de Kalman de cubatura (CKF-SLAM) basado en un filtro de Kalman de cubatura adaptativo (ACKF). El novedoso algoritmo estima los parámetros estadísticos del ruido desconocido del sistema introduciendo el estimador estadístico de ruido de Sage-Husa. Combinando las ventajas del CKF-SLAM y del estimador adaptativo, el nuevo algoritmo ACKF-SLAM puede reducir significativamente el error de estimación de estado y mejorar eficazmente la precisión de navegación del sistema SLAM. El rendimiento de este nuevo algoritmo se ha examinado mediante simulaciones numéricas en diferentes escenarios. Los resultados han demostrado que el error de posición puede reducirse eficazmente con el nuevo algoritmo adaptativo CKF-SLAM. En comparación con otros métodos SLAM tradicionales, la precisión del sistema SLAM no lineal mejora significativamente. Se verifica que el algoritmo ACKF-SLAM propuesto es válido y factible.

• Materias:Matemáticas Análisis Matemático Álgebra Ingeniería Lógica matemática
• Subjects:mathematics Mathematical Analysis Algebra Engineering Mathematical logic
• Palabras claves:algoritmo slam, slam, estimador estadístico de ruido husa, filtro kalman cúbico adaptativo, filtro kalman cúbico innovador, otros métodos slam tradicionales, grandes errores de estimación, muchas aplicaciones prácticas, nuevo ckf adaptativo, sistema slam no lineal
• Keywords:slam algorithm, slam, husa noise statistic estimator, adaptive cubature kalman filter, innovative cubature kalman filter, other traditional slam methods, large estimation errors, many practical applications, new adaptive ckf, nonlinear slam system