Low-Complexity PHD-SLAM Filter with EKF-Based Joint UE and Map Updates

본 논문은 파티클 필터 기반 측정 업데이트 단계를 확장 칼만 필터(EKF: extended Kalman filter) 기반 사용자-맵 상태 공동 업데이트로 대체하는 저복잡도 PHD(probability hypothesis density) SLAM(simultaneous localization and mapping) 프레임워크를 제안한다. 제안 기법은 통계량을 해석적으로 전파하여 계산 복잡도를 감소시키며, 합리적인 추정 성능을 유지한다. 기존 방법 대비 정확도가 다소 저하되지만, 연산량이 감소 하는 것을 고려할 때 성능과 복잡도 사이의 합리적인 대안을 제시한다. 시뮬레이션 결과는 낮은 계산 비용으로 제안 방법의 SLAM 추정 성능이 합리적인 수준으로 달성함을 보인다.