基于多假设粒子群优化的蒙特卡罗定位算法
针对传统蒙特卡罗定位(MCL)算法在结构化相似环境中容易出现定位失败的问题,提出一种基于多假设粒子群优化的改进蒙特卡罗定位方法(MPSO-CL).以激光传感器的观测信息作为适应度函数,对MCL算法的采样粒子进行多假设粒子群优化更新,使得采样粒子向当前群体中多个最优粒子方向移动,从而使得粒子迅速收敛到后验概率密度分布取值较大的区域,实现了移动机器人高效精确自主定位.实验结果表明,MPSO-MCL算法克服了相似环境中定位的粒子匮乏问题,并且提高了定位的精确度.
移动机器人、蒙特卡罗定位、多假设、粒子群优化、相似环境
31
TP242(自动化技术及设备)
国家自然科学基金与中国民用航空总局联合基金项目60776816:广东省自然科学基金重点项目8251064101000005
2010-06-30(万方平台首次上网日期,不代表论文的发表时间)
共4页
1761-1763,1873