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.
XX
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.
JavaScript jest wyłączony w Twojej przeglądarce internetowej. Włącz go, a następnie odśwież stronę, aby móc w pełni z niej korzystać.