摘要：在AGV同时定位和地图构建(SLAM)时,针对扩展卡尔曼滤波算法在大范围环境等特征数量较大的场合中计算复杂度高,并且生成的特征图准确性不足的问题,提出一种改进的扩展卡尔曼滤波(EKF)方法,其基本思想是将机器人的系统参数附加到EKF SLAM的状态向量中,在执行预测和更新EKF SLAM的状态时,对附加系统参数的状态向量进行估计,从而提高特征图的准确性,我们称之为增强扩展卡尔曼滤波(IEKF),并且提出了一些降低计算复杂度的方法和D*算法用于导航,使AGV即使在动态和非结构化的环境中也能够准确地跟踪路径。并采用Mat lab软件进行仿真,仿真结果表明所提出的增强扩展卡尔曼滤波算法对AGV的SLAM问题有效可行。

注：因版权方要求，不能公开全文，如需全文，请咨询杂志社