论文部分内容阅读
传统贝叶斯数据融合算法中存在线性化缺陷,其在融合测量信息与里程计信息时,不能充分利用测量信息,导致机器人的定位出现较大误差。针对该问题,基于原始激光扫描数据进行特征提取,在得到有效测量信息后,引入迭代贝叶斯数据融合策略,利用非线性最优方式,通过一系列线性化点逐步接近最佳收敛值,达到降低定位误差的目的。实验中,将该特征提取方法应用于Victoria Park数据集,对迭代贝叶斯数据融合算法和传统算法进行性能比较,比较结果表明,该算法的定位轨迹与真实路径的吻合程度更高,相同条件下,对噪声的容忍能力更强。