精确稀疏扩展信息滤波的地图优化研究

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.     

基于SIFT算法的移动机器人同时定位与地图创建

研究了基于尺度不变特征变换（SIFT）算法的移动机器人同时定位与地图创建（SLAM）方法,即在视角改变情况下,用SIFT算法对不同图像进行特征匹配,根据极线几何原理得到摄像头的旋转角度,将之与里程计的角度信息融合,从而实现较准确的自我定位与地图创建.实验表明：本方法利用电荷耦合器件（CCD）摄像头和里程计间内在的几何关系来实现SLAM,提高了低成本移动机器人的定位精度.