抄録/ポイント:
抄録/ポイント
文献の概要を数百字程度の日本語でまとめたものです。
部分表示の続きは、JDreamⅢ(有料)でご覧頂けます。
J-GLOBALでは書誌(タイトル、著者名等)登載から半年以上経過後に表示されますが、医療系文献の場合はMyJ-GLOBALでのログインが必要です。
無線ベース車両同時位置決めとマッピング(SLAM)は,環境におけるランドマークをマッピングしながら,車両を局所化することを目的とする。理論的に最適な方法でSLAM問題全体を扱う3つのPoisson多重Bernoulli混合(PMBM)ベースのSLAMフィルタのシーケンスを提案した。3つの提案したSLAMフィルタの複雑性は,nuisanceパラメータ(車両状態またはデータ会合のいずれか)の限界化によるSLAM密度近似を誘導することによって,高精度を維持しながら,次第に減少した。最初に,PMBM SLAMフィルタは,Rao-Blackwellized粒子フィルタに基づく最初の完全な記述を提供する基礎として役立つ。第二に,Poisson多重Bernoulli(PMB)SLAMフィルタはPMBMからPMBへの標準低減に基づいているが,補助変数とBethe自由エネルギーとの関係に基づく新しい解釈を含む。最後に,同じ補助変数議論を用いて,著者らは,粒子を避けて,代わりに低複雑性立体求積カルマンフィルタによって実行される限界化PMB SLAMフィルタを引き出した。5G mmWave車両ネットワークにおける確率仮説密度(PHD)SLAMフィルタと比較して,3つの提案SLAMフィルタを評価し,それらの間の計算性能トレードオフを示した。【JST・京大機械翻訳】