一种重尾噪声下鲁棒概率假设密度SLAM方法

本发明涉及同时定位与建图技术领域，具体涉及一种重尾噪声下鲁棒概率假设密度SLAM方法，将SLAM问题分解为机器人位姿估计和地图估计两个耦合的子问题，其中机器人位姿建模为粒子，环境地图建模为概率假设密度，然后利用EKF算法对所有表示机器人位姿的粒子进行重要性采样；基于每个粒子进行地图预测，将新生概率假设密度添加到后验概率假设密度中；再将量测噪声建模为学生t分布，利用基于学生t分布的边缘近似似然函数，推导出完整的地图更新表达式；最后利用SC策略更新机器人位姿粒子的权重，并进行状态提取和粒子重采样。本发明有效提高了重尾噪声场景下SLAM问题的估计精度。