| 基于高斯-粒子滤波的SLAM算法提取果实特征 |
| |
| 引用本文： | 王丹丹,石峰,杜雪,袁赣南. 基于高斯-粒子滤波的SLAM算法提取果实特征[J]. 河南师范大学学报(自然科学版), 2020, 48(2): 59-65. DOI: 10.16366/j.cnki.1000-2367.2020.02.009 |
| |
| 作者姓名： | 王丹丹 石峰 杜雪 袁赣南 |
| |
| 作者单位： | 哈尔滨工程大学自动化学院,哈尔滨151000;安阳工学院电子信息与电气工程学院,河南安阳455000,安阳工学院电子信息与电气工程学院,河南安阳455000,哈尔滨工程大学自动化学院,哈尔滨151000,哈尔滨工程大学自动化学院,哈尔滨151000 |
| |
| 基金项目： | 安阳市科技攻关计划;河南省科技攻关计划;国家自然科学基金;博士科研启动基金;河南科技智库调研课题项目;教育教学改革研究项目 |
| |
| 摘 要： | 针对传统农作物采摘方式落后、采摘效率低、果实特征识别精度低等问题,提出了一种基于SIFT的果实特征匹配算法.对导航机器人采集的果实图像进行去噪与特征提取,然后对不同传感器采集到的含有一定角度偏差的图像进行匹配,得到较精准的特征位置:提出了一种高斯-粒子滤波(Gauss-Particle Filter,Gauss-PF)的SLAM(Simultaneous Localization and Mapping)算法.仿真实验表明,通过增大噪声协方差及特征位置初值误差验证算法的精度,PF和Gauss-PF算法的误差均随时间逐渐降低,且在x,y方向,后者误差均小于1 cm.新的算法具有较强的稳定性与较高的定位精度.最后在同等条件下,基于单个果实特征位置(0,0)的特征进行x,y方向2次观测,并采用Gauss-PF和PF算法对观测值进行量测估计,实验表明新算法均能在(0,0)的较小邻域[-1,1]cm误差范围内对其进行估计,高于PF算法的精度[-2,2]cm.
|
| 关 键 词： | 特征识别 特征提取 高斯-粒子滤波 量测估计 |
SLAM algorithm based on Gauss-particle filter in fruit feature extraction |
| |
| Wang Dandan,Shi Feng,Du Xue,Yuan Gannan. SLAM algorithm based on Gauss-particle filter in fruit feature extraction[J]. Journal of Henan Normal University(Natural Science), 2020, 48(2): 59-65. DOI: 10.16366/j.cnki.1000-2367.2020.02.009 |
| |
| Authors: | Wang Dandan Shi Feng Du Xue Yuan Gannan |
| |
| Abstract: | |
| |
| Keywords: | |
| 本文献已被 CNKI 万方数据 等数据库收录！ |
|
