Resumen

En el algoritmo EKF-SLAM tradicional, la complejidad computacional y la incertidumbre crecen rápidamente con el aumento de los puntos de características y la ampliación de la cobertura del mapa. Como sabemos, la complejidad computacional es proporcional a la cuadrática del número de puntos de característica contenidos en un único proceso de filtrado. El enfoque representado en este artículo combina el EKF-SLAM con submapas locales, lo que puede mejorar la eficiencia y reducir la complejidad computacional. Al principio, se establece un submapa local independiente para los puntos de características observados. Cuando el número de puntos de características contenidos en el submapa local alcanza un determinado valor umbral, el submapa local se integra en el mapa global. Por último, el submapa se inicializa de nuevo. Los resultados de la simulación muestran que el enfoque puede reducir la complejidad computacional de forma efectiva y aumentar la velocidad de cálculo en gran medida en el caso de mantener la precisión computacional del algoritmo EKF-SLAM tradicional.

• Materias:Aerodinámica Ingeniería aeroespacial Satélites Satélite artificial Meteorología
• Subjects:Aerodynamics Aerospace engineering Satellites Artificial satellites Meteorology
• Palabras claves:complejidad computacional, número de características, punto de características, algoritmo slam, ekf tradicional, submapa local, punto de características observadas, proceso de filtrado único, cierto valor de umbral, submapa local independiente
• Keywords:computational complexity, number of features, features point, slam algorithm, traditional ekf, local submap, observed features point, single filtering process, certain threshold value, independent local submap