Resumen

Este trabajo propone un algoritmo mejorado de localización y mapeo simultáneo (SLAM) basado en un filtro de Kalman no perfeccionado (UKF) con un estimador estadístico de ruido. El algoritmo resuelve el problema de que los algoritmos UKF-SLAM convencionales tienen una precisión decreciente, con divergencia cuando la estadística de ruido previa es desconocida y variable en el tiempo. El nuevo algoritmo SLAM realiza una estimación en línea de los parámetros estadísticos del ruido desconocido del sistema introduciendo un estimador estadístico de ruido Sage-Husa modificado. El algoritmo también juzga si el filtro es divergente y restringe la posible divergencia de filtrado mediante un método de igualación de covarianzas. Este enfoque reduce el error de estimación del estado, mejorando de forma efectiva la precisión de navegación del sistema SLAM. La extracción de las características de la línea se realiza mediante una transformada de Hough basada en el modelo de sonar de alcance. Los resultados de las pruebas realizadas con vehículos submarinos no tripulados (UUV) indican que el algoritmo AUKF-SLAM propuesto es válido y viable, y proporciona una mayor precisión que el sistema UKF-SLAM estándar.

• Materias:Matemáticas Análisis Matemático Álgebra Ingeniería Matemática aplicada Lógica matemática
• Subjects:mathematics Mathematical Analysis Algebra Engineering Applied Mathematics Mathematical logic
• Palabras claves:algoritmo, sistema slam, estimador estadístico de ruido husa, filtro kalman adaptativo no perfundido, filtro kalman perfundido mejorado, método de igualación de covarianzas, extracción de características de línea, nuevo algoritmo slam, estimador estadístico de ruido, divergencia potencial de filtrado
• Keywords:algorithm, slam system, husa noise statistic estimator, adaptive unscented kalman filter, improved unscented kalman filter, covariance matching method, line feature extraction, new slam algorithm, noise statistic estimator, potential filtering divergence