《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》

1. 获取 高清版本忘记账户？点击这里登录

1. 下载图表忘记账户？点击这里登录

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.