基于稀疏扩展信息滤波和粒子滤波的slam算法

？针对传统粒子滤波算法单次迭代过程中仅应用到当前的信息，且小权值粒子代表的信息在重采样中被删除而导致信息不能充分利用的问题，提出了稀疏扩展信息滤波和粒子滤波相结合的同时定位与地图创建（slam）算法，信息矩阵记忆了机器人位姿的历史信息，应用gibbs采样重新获得粒子集，使粒子集能够更好地描述后验分布，提高算法的状态估计精度。大量的monte-carlo仿真实验验证了该算法中机器人定位精度较fastslam2.0算法提高80%左右。