导读:本文包含了扩展信息滤波论文开题报告文献综述及选题提纲参考文献，主要关键词:多特征扩展信息滤波,RGB-D相机,迭代最近点算法,区域生长法
扩展信息滤波论文文献综述
常明,康志忠,李敏,李方舟[1]（2019）在《多特征扩展信息滤波在RGB-D点云数据中的应用》一文中研究指出针对RGB-D相机获取的数据在全局拼接中由于单点精度不高而导致误差累积的情况,提出一种多特征扩展信息滤波模型(multi feature extended information flter,MEIF)。利用迭代最近点(iterative closest points,ICP)算法获取场景内的点特征,利用区域面生长法平面拟合得到的空间平面参数作为面特征,构建多特征加权扩展信息滤波模型,实现对RGB-D相机数据的全局拼接。实验证明,该方法对误差累积的消弱有一定的作用,对RGB-D数据在室内场景生成的应用具有一定的参考价值。(本文来源于《遥感信息》期刊2019年05期）
程佳林,张贞凯[2]（2018）在《基于扩展信息滤波的跟踪传感器选择算法》一文中研究指出针对目标跟踪时传感器系统资源有限问题,提出一种传感器组合自适应选择算法。从接收回波信号模型出发,建立基于扩展卡尔曼滤波的信息融合模型;通过设置期望协方差得到对应的期望信息增益,将各传感器的信息增益与期望信息增益进行比较;依次选择最优(即最接近期望信息增益)传感器组合对目标进行跟踪,直至满足跟踪精度要求。仿真结果表明,与现有的多传感器融合算法相比,所提算法能够自适应选择最优跟踪传感器,提高跟踪精度,节省系统资源。(本文来源于《计算机工程与设计》期刊2018年08期）
明钊光,石守东,王刚[3]（2014）在《精确稀疏扩展信息滤波的多机器人SLAM研究》一文中研究指出在机器人同时定位与地图创建(SLAM)问题中,多机器人SLAM成为目前机器人学中的研究热点.因此,基于精确稀疏扩展信息滤波算法(ESEIF)的多机器人SLAM问题,根据多机器人的运动模型和观测模型分别对多机器人位姿估计及环境特征点进行观测,并依据阈值划分观测特征点,以完成机器人的观测更新,同时边缘化机器人位姿并进行重定位.实验仿真数据表明:多机器人的位姿精度良好,观测更新阶段时间基本上恒定,与地图特征点数量无关,体现了ESEIF算法在研究多机器人SLAM问题的有效性.(本文来源于《宁波大学学报(理工版)》期刊2014年04期）
陈金磊[4]（2014）在《室内未知环境自主定位的自适应加权快速扩展信息滤波模型》一文中研究指出近年来，随着叁维点云数据处理技术的发展，其中未知环境中自主定位，实现全局拼接有着广阔的发展前景。以往的拼接不能实现在未知环境中自主的进行特征点提取，自主完成点云数据的拼接，实现叁维视图重现。而且针对点云数据数据量之大，多特征信息之多，利用全部的点云数据进行自主定位，其消耗的工作量是非常大的。而本文针对Kinect点云数据实现室内未知环境的自主定位进行研究，由于Kinect数据精度的限制，及现有的序列式拼接算法远远不能满足自动定位精度要求，因此，提出一种基于室内未知环境自主定位的自适应加权的快速扩展信息滤波模型，实现室内未知环境的同时定位与创建地图（SLAM）。本文基于Kinect采集设备在单目立体视觉及激光测距相机的数据融合进行室内自主定位并且进行叁维重建的要求，针对不同特征信息对测站点位置姿态精度的不一致，对传统滤波模型进行改进，构建融合不同精度观测量的自适应加权快速扩展信息滤波模型。该模型是采用上海地铁隧道点云数据及Kinect深度影像生成的点云数据与摄像头采集影像两种数据源为实验数据。具体研究的内容包括以下方面：基于影像与BaySAC算法的点云拼接，用拼接转换参数作为信息滤波的系统状态信息向量；多特征信息（如室内特征点、墙面拟合面的法向量、边界线等信息）进行自适应性加权处理后，作为信息滤波中的观测模型的观测数据；根据多特征信息精度与测站点距离成反比的关系对特征信息进行分类，实现信息矩阵的稀疏化。本文采用Kinect采集的数据及隧道点云数据进行实验验证。实验包括：利用影像及BaySAC算法提取的特征点及根据拟合面或中轴线提取多特征信息，实现多特征信息提取及信息融合实现叁维特征观测量加权实验；隧道中轴线自动提取与室内数据平面自动提取，采用整体加权最小二乘法拟合中轴线，提高观测值的精度；实现自适应加权的快速扩展信息滤波模型。实验结果表明，本文提出的未知环境自主定位的自适应加权的快速扩展信息滤波模型能够满足在未知环境中自主定位的要求，提高了在全局坐标系下的拼接精度；对Kinect点云数据的叁维模型重建的要求基本上可以满足。(本文来源于《中国地质大学（北京）》期刊2014-05-01）
朱代先,王晓华[5]（2012）在《基于精确稀疏扩展信息滤波的粒子滤波SLAM算法研究》一文中研究指出传统粒子滤波算法的单次迭代过程以及小权值粒子在重采样中被删除都使得机器人位姿的历史信息不能充分利用,因而会出现粒子的退化现象,从而导致滤波算法的估计精度较低。本文提出基于精确稀疏扩展信息滤波的粒子滤波SLAM算法,利用精确稀疏扩展信息滤波的信息矩阵反映机器人位姿相对变化的同时,也对应于状态后验概率的条件概率的性质,应用Gibbs采样直接从SLAM完全后验分布产生样本,充分利用了信息矩阵包含的不确定信息,粒子分布均匀,且保持了多样性,缓解了粒子退化现象。实验结果表明所提算法的粒子集能够更好地描述真实后验分布,显着提高了SLAM算法的估计精度。(本文来源于《计算机工程与科学》期刊2012年07期）
朱代先,王晓华[6]（2012）在《基于稀疏扩展信息滤波和粒子滤波的SLAM算法》一文中研究指出针对传统粒子滤波算法单次迭代过程中仅应用到当前的信息,且小权值粒子代表的信息在重采样中被删除而导致信息不能充分利用的问题,提出了稀疏扩展信息滤波和粒子滤波相结合的同时定位与地图创建(SLAM)算法,信息矩阵记忆了机器人位姿的历史信息,应用Gibbs采样重新获得粒子集,使粒子集能够更好地描述后验分布,提高算法的状态估计精度。大量的Monte-Carlo仿真实验验证了该算法中机器人定位精度较FastSLAM2.0算法提高80%左右。(本文来源于《计算机应用》期刊2012年05期）
康丹,石守东,徐斌斌[7]（2011）在《精确稀疏扩展信息滤波的地图优化研究》一文中研究指出研究了移动机器人同时定位与地图创建(SLAM)精确稀疏扩展信息滤波(ESEIF)的地图优化算法,即利用信息熵度量变量不确定性的特性来对地图特征点进行分类,选择不同类型的特征点处理ESEIF的不同更新过程,同时优化活动地图,使SLAM更新在恒定时间内实现,且提高了机器人和地图的估计精度.仿真实验证明:在特征点多的大环境下,特征点优化后的算法实时性强,估计精确度更高.(本文来源于《宁波大学学报(理工版)》期刊2011年02期）
徐斌斌,石守东,王小波[8]（2011）在《基于扩展信息滤波的多机器人SLAM研究》一文中研究指出运用信息滤波算法实现多机器人SLAM,根据对机器人运动结构和刚体约束建立多机器人运动模型,用里程计和激光测距传感器建立多机器人观测模型,并运用SLAM方法建立全局地图,不断更新该地图的同时完成校正多机器人位姿.根据理论推导,利用信息滤波算法解决多机器人SLAM问题,仿真实验也结果表明多机器人定位精度良好.(本文来源于《宁波大学学报(理工版)》期刊2011年01期）
郭剑辉,赵春霞[9]（2009）在《一种改进的稀疏扩展信息滤波SLAM算法》一文中研究指出如何得到精确一致的稀疏信息矩阵是稀疏扩展信息滤波同时定位与地图创建(SLAM)算法的关键.在对相关性进行详细深入分析的基础上,提出一种改进的信息矩阵稀疏规则.该规则利用稀疏时刻的观测信息,从全局上保留了与机器人相关性最强的特征.在不增加计算负担的情况下,提高算法的精度及一致性.最后,通过大量的Monte-Carlo仿真实验,验证该方法的有效性.(本文来源于《模式识别与人工智能》期刊2009年02期）
郭剑辉,赵春霞,石杏喜[10]（2008）在《稀疏扩展信息滤波SLAM算法的稀疏规则研究》一文中研究指出稀疏规则是扩展信息滤波性能的关键。在现有的稀疏规则中,精确稀疏扩展信息滤波(ESEIF)的稀疏规则有较优的性能,但有其适用上的缺陷。通过将稀疏扩展信息滤波(SEIF)与精确稀疏扩展信息滤波(ESEIF)的稀疏规则结合起来,提出了一种组合的稀疏规则。该组合规则能适用于任何的探索环境,还充分利用了ESEIF稀疏规则的性能优势。最后,通过大量的Monte-Carlo仿真实验,验证了该方法的有效性。(本文来源于《系统仿真学报》期刊2008年24期）
扩展信息滤波论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
针对目标跟踪时传感器系统资源有限问题,提出一种传感器组合自适应选择算法。从接收回波信号模型出发,建立基于扩展卡尔曼滤波的信息融合模型;通过设置期望协方差得到对应的期望信息增益,将各传感器的信息增益与期望信息增益进行比较;依次选择最优(即最接近期望信息增益)传感器组合对目标进行跟踪,直至满足跟踪精度要求。仿真结果表明,与现有的多传感器融合算法相比,所提算法能够自适应选择最优跟踪传感器,提高跟踪精度,节省系统资源。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
扩展信息滤波论文参考文献
[1].常明,康志忠,李敏,李方舟.多特征扩展信息滤波在RGB-D点云数据中的应用[J].遥感信息.2019
[2].程佳林,张贞凯.基于扩展信息滤波的跟踪传感器选择算法[J].计算机工程与设计.2018
[3].明钊光,石守东,王刚.精确稀疏扩展信息滤波的多机器人SLAM研究[J].宁波大学学报(理工版).2014
[4].陈金磊.室内未知环境自主定位的自适应加权快速扩展信息滤波模型[D].中国地质大学（北京）.2014
[5].朱代先,王晓华.基于精确稀疏扩展信息滤波的粒子滤波SLAM算法研究[J].计算机工程与科学.2012
[6].朱代先,王晓华.基于稀疏扩展信息滤波和粒子滤波的SLAM算法[J].计算机应用.2012
[7].康丹,石守东,徐斌斌.精确稀疏扩展信息滤波的地图优化研究[J].宁波大学学报(理工版).2011
[8].徐斌斌,石守东,王小波.基于扩展信息滤波的多机器人SLAM研究[J].宁波大学学报(理工版).2011
[9].郭剑辉,赵春霞.一种改进的稀疏扩展信息滤波SLAM算法[J].模式识别与人工智能.2009
[10].郭剑辉,赵春霞,石杏喜.稀疏扩展信息滤波SLAM算法的稀疏规则研究[J].系统仿真学报.2008