Multiparticle Kalman filter for object localization in symmetric environments

要約

この研究では、オブジェクトのローカリゼーションの問題を検討し、複雑で対称的な環境でそれを解決するための新しい多粒子カルマン フィルターを提案します。
ローカリゼーションの問題を解決する 2 つのよく知られたフィルタリング アルゴリズムのクラスは、カルマン フィルターに基づく方法と粒子フィルターに基づく方法です。
これらのクラスを検討し、それらの補完的な特性を実証し、2 つのクラスから最良のものを取る新しいフィルタリング アルゴリズムを提案します。
対称でノイズの多い環境で多粒子カルマン フィルターを評価します。
このような環境は、古典的な方法の両方のクラスにとって特に困難です。
初期状態が不明な場合、この方法のみが実行可能であるため、提案されたアプローチを粒子フィルターと比較します。
考慮された困難な環境では、ローカリゼーション エラーとランタイムの両方の点で、私たちの方法は粒子フィルターよりも優れています。

要約(オリジナル)

This study considers the object localization problem and proposes a novel multiparticle Kalman filter to solve it in complex and symmetric environments. Two well-known classes of filtering algorithms to solve the localization problem are Kalman filter-based methods and particle filter-based methods. We consider these classes, demonstrate their complementary properties, and propose a novel filtering algorithm that takes the best from two classes. We evaluate the multiparticle Kalman filter in symmetric and noisy environments. Such environments are especially challenging for both classes of classical methods. We compare the proposed approach with the particle filter since only this method is feasible if the initial state is unknown. In the considered challenging environments, our method outperforms the particle filter in terms of both localization error and runtime.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google