|
|
|
摘要 在概率机器人学中,基于距离传感器的概率测量模型被提出并被广泛地应用到移动机器人的定位及建图过程中。在复杂多变的外界环境下,为了得到更符合实际情况、更精确的概率测量模型,提出了一种在线学习的方法:根据实时冗余的传感器数据,按真实障碍物距离进行分类得到相应的数据集,并采用期望最大化(EM)算法从各数据集中学习相应的模型内参,从而对概率测量模型持续更新与校正。实验结果表明,采用基于在线学习的概率测量模型,能得到鲁棒性更强、精度更高的定位结果。
|
|
| 关键词 ：
在线学习,
EM算法,
概率测量模型,
模型内参
|
|
|
| 基金资助:国家自然科学基金资助项目(61263045,61763030)； 江西省科技支撑项目(20112BBE50017)； |
|
|
