【扩展卡尔曼滤波器EKF】基于UWB雷达的SLAM能够在室内环境内映射自然点地标，并改善机器人定位（Matlab代码实现）

 💥💥💞💞欢迎来到本博客❤️❤️💥💥

🏆博主优势：🌞🌞🌞博客内容尽量做到思维缜密，逻辑清晰，为了方便读者。

⛳️座右铭：行百里者，半于九十。

📋📋📋本文目录如下：🎁🎁🎁

目录

💥1 概述

📚2 运行结果

🎉3 参考文献

🌈4 Matlab代码、数据、文章下载

---

💥1 概述

摘要：
激光雷达和摄像头经常被用作同时定位和地图构建（SLAM）的传感器。然而，在能见度低（例如烟雾）或具有反光表面（例如镜子）的地方，这些传感器容易失效。另一方面，电磁波在波长增加时表现出更好的穿透性能，因此不受能见度降低的影响。因此，本文将超宽带（UWB）雷达作为现有传感器的替代方案。UWB通常被用于锚点标签SLAM系统。一个或多个锚点安装在环境中，标签附在机器人上。尽管这种方法在低能见度下表现良好，但修改现有基础设施并不总是可行的。UWB还被用于点对点距离协作SLAM系统。然而，这需要不止一台机器人，并且不包括在提到的具有烟雾等环境中进行地图构建。因此，本文介绍的方法完全依赖于机载的UWB收发器。此外，使用扩展卡尔曼滤波器（EKF）SLAM解决SLAM问题的后端。进行了实验，并展示了提出的基于UWB雷达的SLAM能够在室内环境内映射自然点地标，并改善机器人定位。

同时定位与地图构建（SLAM）对于移动机器人在之前未探索的环境中导航以完成给定任务至关重要。SLAM算法通常依赖于连接到机器人的传感器。因此，探索新的感知技术以克服现有方法的局限性是很有意义的。

目前，在SLAM中最常见的外部感知传感器是光学测距与成像（LiDAR）和光学相机系统。LiDAR利用激光束通过飞行时间测量距离，因此环境光照条件不会影响其性能。由于具有高精度和高采样密度，LiDAR被广泛应用于最先进的SLAM系统中。与LiDAR不同，典型的视觉相机仅适用于光线充足的环境。此外，LiDAR和相机的光源均在电磁波谱中可见频率附近运行。因此，这些光学测量仪器在能见度较低的情况下容易出现故障。这在恶劣的室内条件（如烟雾和镜面）中会严重影响自主系统。

详细文章见第4部分。

📚2 运行结果

部分代码：

%% Initialization
n_landm = 100;
exp_landmks = n_landm; % required for the mapping function which is then used in the EKF prediction
% Later, we are using the EKF prediction to estimate the next pose using
% odometry. This is not a necessary, but used considering ease when reusing the previous codes.

% mapping function (from low dimensional space to high dimensional space)
F = [eye(3), zeros(3, 2*exp_landmks)]; 

[s1, s2, s3] = size(obsLHS);
new_obs = zeros(s1, 2*s2, s3); % keeps the new filtered observations after the proposed DBSCAN filter.

%% Main Part (TO GENERATE THE SAMPLES)
I = [];

% DBSCAN parameters
cwinsize = 15; % window size of the DBSCAN-based filter
min_n_obs = 10; % the filter is applied only if there are 10 observations collected in the window
min_pts = 9;    % minimum number of points inside the circle of radius max_rad
max_rad = 180;  % DBSCAN circle radius

🎉3 参考文献

文章中一些内容引自网络，会注明出处或引用为参考文献，难免有未尽之处，如有不妥，请随时联系删除。

H. A. G. Charith Premachandra

🌈4 Matlab代码、数据、文章下载