结合粒子群寻优与遗传重采样的RB PF算法

摘要：

针对 Rao-Blackwellized粒子滤波器（RBPF）重采样过程存在粒子衰竭、提议分布精确度不高的问题，提出一种改进的 RB PF算法。为提高 RB PF算法提议分布精确性，在改进的算法中将机器人里程计信息和激光传感器采集的距离信息进行融合，在算法中引入粒子群寻优策略，通过粒子间能效吸引力来调整采样粒子集，同时对重采样中权值较小的粒子进行遗传变异操作，缓解粒子枯竭现象，提高机器人位姿估计一致性，并维持粒子集的多样性。在基于机器人操作系统和配有 URG 激光传感器的 Pioneer3-DX 机器人平台上对改进 RBPF算法进行可靠性验证。实验结果表明，改进算法在兼顾粒子集多样性的同时能显著提高机器人位姿估计精确性。

关键词：同时定位与地图构建、Rao-Blackwellized粒子滤波器、粒子群寻优、遗传变异、机器人操作系统

所属期刊栏目：42

分类号：TP301.6(计算技术、计算机技术)

资助基金：国家科技部国际合作项目2010DFA12160；重庆市科技攻关项目CSTC，2010AA2055。

在线出版日期：2016-12-02（万方平台首次上网日期，不代表论文的发表时间）

页数：共5页

页码：295-299