论文部分内容阅读
针对无人自主车同时定位与地图构建(Simultaneous Localization And Mapping,SLAM)问题,采用随机有限集(Random Finite Set,RFS)方法对环境特征和车辆的位姿进行描述,将SLAM算法涉及到的多路标特征检测、跟踪、识别及相关等问题在一个统一的贝叶斯状态估计框架内表述,从而可以有效地解决后验估计、信息融合等算法严重依赖数据关联结果的问题。同时,为了计算复杂的联合后验分布,解决粒子滤波算法中提议分布选择困难问题,采用序贯蒙特卡罗(Sequential