为缓解移动机器人同步定位与构图(Simultaneous Localization and Mapping,SLAM)在恶劣噪声干扰下存在估计精度低、不一致及鲁棒性差的问题,提出一种新颖的基于迭代无迹H_∞滤波的SLAM算法。所提算法将无迹变换融入到扩展H_∞滤波中,以此估计系统状态均值和协方差,无需推导Jacobian矩阵,避免了线性化误差积累,增强了算法的数值稳定性;此外,通过迭代更新方式,利用观测信息不断校正系统状态均值和协方差,进一步减小估计误差。在仿真实验中,在不同环境和不同噪声下对比分析所提算法、EKF-SLAM、UKF-SLAM及CEHF-SLAM。结果表明所提算法在不同恶劣噪声干扰下依然能保持高的估计精度和强鲁棒性,并能适应不同的环境,是一种有效且可行的SLAM算法。
目前智能清洁机器人的清洁覆盖率的测试主要采用单目视觉方法,针对其测量范围小、获取信息不完整、测量精度低等缺点,设计并实现了基于双目视觉特征跟踪算法的清洁机器人清洁性能测试系统。该系统采用摄像机、智能清洁机器人为硬件平台,Ground Truth System为软件平台,运用SURF算法提取具有高鲁棒性的特征点,在后续帧中运用KLT匹配算法对特征点进行稳定跟踪,结合机器人运动路径和机器人参数实现了智能清洁机器人清洁覆盖率的测量。实验证明,该方法对智能清洁机器人的清洁覆盖率测量是快速有效的。
