同时本地化和绘图(SLAM)是机器人和自主系统的关键技术,精确数据关联对于可靠的SLAM性能至关重要,特别是在传感器噪音和动态物体常见的现实环境中. 开发强力数据关联方法有助于提高SLAM系统的准确性和效率.

现实世界数据协会的挑战

真实世界的SLAM应用面临若干挑战,包括传感器不准确,动态环境和数据杂乱无章。 这些因素可能导致传感器测量和地图特征之间的不正确关联,导致本地化和绘图出现错误。

强力数据协会战略

为了应对这些挑战,研究人员采用了各种策略,如概率数据关联、外部排斥和适应性过滤。 这些方法旨在区分真实的对应和虚假的匹配,提高SLAM系统的可靠性。

共同数据协会技术

  • 近邻:[] 联系人测量,根据距离,具有最接近的地图特征.
  • 联合兼容处和Bond(JCBB):[] 同时考虑多个关联以提高准确性.
  • 概率数据协会(PDA):[] 使用概率模型处理测量不确定性.
  • 多重假说跟踪(MHT): 维持多个关联假说,并选择最可能.