《表2 维多利亚公园数据集下不同SLAM算法性能比较》
提示:宽带有限、当前游客访问压缩模式
本系列图表出处文件名:随高清版一同展现
《基于Dirichlet过程非参贝叶斯学习的高斯箱粒子滤波快速SLAM算法》
为了定量地评估本文算法的性能,基于该数据集对上述5种SLAM算法分别进行20次实验,并以20次实验轨迹估计的平均RMSE、最大误差和平均执行时间作为评价标准,结果如表2所示.可以看出,在粒子数相同情况下,本文算法的RMSE最小,即轨迹估计精度最好.而BallPF-SLAM采用球粒子滤波提供更紧的区域,其最大误差最小,并且运行时间少于DPGBPF-SLAM.由于涉及区间计算,DPGBPF-SLAM中箱粒子的处理时间要长于普通点粒子,然而从上文可知,10个高斯箱粒子就可以达到100个点粒子的误差水平,箱粒子数的明显减少使得本文算法的处理速度显著加快.因此,在相同精度要求下,本文算法可以使用更少的粒子达到更高的精度,而且能够保证计算效率.
图表编号 | XD0090092500 严禁用于非法目的 |
---|---|
绘制时间 | 2019.09.01 |
作者 | 罗景文、秦世引 |
绘制单位 | 北京航空航天大学自动化科学与电气工程学院、云南师范大学信息学院、北京航空航天大学自动化科学与电气工程学院 |
更多格式 | 高清、无水印(增值服务) |