SLAM算法中的数据关联问题

最新推荐文章于 2023-05-12 14:24:32 发布

_IRONMAN_

最新推荐文章于 2023-05-12 14:24:32 发布

阅读量3k

点赞数 5

分类专栏：水下机器人文章标签： slam SLAM数据关联

本文链接： https://blog.csdn.net/HJ199404182515/article/details/112133705

版权

数据关联在SLAM中至关重要，错误关联可能导致定位失败。批量验证和外观签名是两种常用方法，前者如JCBB和CCDA算法，后者利用感官信息辅助关联。多重假设数据关联在复杂环境中尤其关键，如MHT和FastSLAM算法能处理不确定性并维持多个假设。

摘要由CSDN通过智能技术生成

数据关联一直是SLAM实际应用中一个非常重要的问题。在将数据融入到地图中前，新的测量与地图中已存在的地标的关联，在融合后，这些关联不能被修改。这样的问题是单个的错误数据关联可能诱导地图估计的发散，经常导致定位算法灾难性的失败。当100%正确的关联强制正确的操作SLAM算法将会变得脆弱。

批量验证

几乎所有的SLAM实现方法都仅用统计的验证门限来进行数据关联，其是一个继承自目标追踪的剔除不可能的关联[Y. Bar-Shalom and T.E. Fortmann, Tracking and Data Association. New York: Academic, 1988.]的方法。早期的SLAM实现方法通过测试被观察到的路标是否临近于预测的目标来独立的考虑每个测量到路标的关联。假如机器人位姿非常的不确定其所有的都失效了，但是大部分稀疏的结构化的环境，独立的门限是及其不可靠的。

一个重要的进步是批量门限的概念，这里多重关联被同时考虑。相互关联兼容性利用路标间的几何相似关系。这两个批量验证的存在形式分别是联合兼容分支与界(JCBB)[J. Neira and J.D. Tardo´s, “Data association in stochastic mapping using the joint compatibility test,” IEEE Trans. Robot. Automat., vol. 17, no. 6, pp. 890–897, 2001.]定方法，其是一个树状搜索，和组合约束数据关联(CCDA)[T. Bailey, “Mobile robot localisation and mapping in extensive outdoor environments,” Ph.D. dissertation, Univ. Syd