State estimation in simultaneous localization and mapping for nonlinear processed with Extended Kalman Filter

• Autorzy: Adrjanowicz Ł. , Kubanek M. , Bobulski J.

Warianty tytułu

PL

Estymacja stanu w symultanicznej lokalizacji i mapowaniu dla nieliniowych procesów przy wykorzystaniu Rozszerzonego Filtru Kalmana

• Języki publikacji: EN

Abstrakty

EN

This paper presents the use of Extended Kalman Filter (EKF) in the state estimation problem for nonlinear processes. Special focus is put on utilizing it in the algorithm of Simultaneous Localization and Mapping (SLAM). A number of simulations with a typical SLAM scenario were performed to examine the EKF properties. It is shown that the EKF algorithm can estimate the state accuracy in a typical SLAM scenario with relatively small error.

Praca przedstawia wykorzystanie Rozszerzonego Filtru Kalamana (EKF) w problemie estymacji stanu dla procesów nieliniowych. Szczególny nacisk został położony na użyciu go w algorytmie Symultanicznej Lokalizacji i Mapowania (SLAM). W celu zbadania właściwości EKF przeprowadzono liczne symulacje w typowych dla SLAM scenariuszach postępowania. Wykazano, że algorytm EKF może być użyty do precyzyjnej estymacji stanu w typowym scenariuszu SLAM przy stosunkowo nieznacznym błędzie.

Słowa kluczowe

EN

extended Kalman filter; EKF; SLAM algorithms

PL

Rozszerzony Filtr Kalmana; EKF; algorytmy SLAM

• Wydawca: Wydział Elektroniki, Telekomunikacji i Informatyki Politechniki Gdańskiej
• Czasopismo: Zeszyty Naukowe Wydziału ETI Politechniki Gdańskiej. Technologie Informacyjne
• Rocznik: 2012
• Tom: T. 20
• Strony: 5--10
• Opis fizyczny: Bibliogr. 10 poz., tab., wykr.

Twórcy

autor

Adrjanowicz Ł.

• Czestochowa University of Technology, Faculty of Mechanical Engineering and Computer Science

autor

Kubanek M.

• Czestochowa University of Technology, Faculty of Mechanical Engineering and Computer Science

autor

Bobulski J.

• Czestochowa University of Technology, Faculty of Mechanical Engineering and Computer Science

Bibliografia

• [1] Dissanyake G., Newman P., Clark S., Durant-Whyte H.F., Csorba M.: A solution to the simultaneous localization and map building (SLAM) problem. IEEE Transactions of Robotics and Automation, vol. 17, 2001, p. 229−241.
• [2] Guvant J., Nebot E.: Optimization of the simultaneous localization and map building algorithm for real time implementation. IEEE Transactions of Robotics and Automation, vol. 17, 2001, p. 242–257.
• [3] Durant-Whyte H.F., Bailey T.: Simultaneous localization and mapping (SLAM): Part I The essential algorithms. IEEE Robotics and Automation Magazine, vol. 13, 2006, p. 99−110.
• [4] Bar-Shalom Y., Li X.R., Kirubarajan T.: Estimation With Applications to Tracking and Navigation. John Wiley & Sons, 2001.
• [5] Julier S.J., Uhlmann J.K.: Unscented filtering and nonlinear estimation. Proceedings of the IEEE, vol. 92, 2004, p. 401–422.
• [6] Leonard J.J., Durant-Whyte H.F.: Direct Sonar Sensing for Mobile Robot Navigation. Kluwer Academic Publishers, 1992.
• [7] Carrera G., Angel A., Davison A.J.: Lightweight SLAM and Navigation wit Multi-Camera Rig. ECMR, 2011.
• [8] Strasdat H., Montiel J.M.M., Davison A.J.: Scale Drift-Aware Large Scale Monocular SLAM. RSS, 2010.
• [9] Thrun S., Burgard W., Fox D.: Probabilistic Robotics. MIT Press, 2005.
• [10] Kümmerle R., Steder B., Dornhege C., Ruhnke M., Grisetti G., Stachniss C. and Kleiner A.: On measuring the accuracy of SLAM algorithms. Autonomous Robot, Springer-Verlag, vol. 27, 2009, p. 387−407.