摘要：针对移动机器人同步定位与地图构建（SLAM）过程中系统测程法误差累积问题,采用测程法误差模型和车轮速度误差模型的映像关系,结合增广扩展卡尔曼滤波（AEKF）算法结构和实际机器人模型,提出了一种有效提高定位精度的SLAM方法.将机器人速度校正参数附加到卡尔曼滤波算法的向量空间中,以形成增广状态空间,同时预测和更新了SLAM初始状态空间和速度校正参数,笔者在线实时修正机器人的速度和航向角,避免积累航向角误差,从而降低了测程法误差.基于均方根误差和归一化估计方差进行了仿真实验分析,研究结果表明：与EKF-SLAM相比,所提出的方法具有更好的估计性能,使算法保持良好的一致性,大幅度提高了机器人自身定位精度和路标估计准确度.

关键词：增广扩展卡尔曼滤波 同步定位与地图构建 测程法误差 均方根误差 归一化误差 

单位：浙江工业大学信息工程学院 浙江省信号处理重点实验室