基于粒子群优化的Rao-Blackwellized粒子滤波SLAM算法
为了实现在高相似度环境中移动机器人精确高效的自定位与建图,提出了一种基于粒子群优化( PSO)的Rao-Blackwellized粒子滤波同步定位与地图构建( SLAM)算法。利用激光扫描数据校正里程计信息,得到多模态的似然函数,克服相似环境对机器人定位的影响;利用粒子群优化算法提高常规粒子滤波器的估计性能,使得高似然采样集向各个后验概率密度分布取值极大的区域运动,同时保持低似然粒子多样性,从而在一定程度上克服粒子贫乏问题,并且显著地降低精确定位所需的粒子数。对所提算法与Gmapping算法在MIT数据集上进行仿真对比实验,结果表明了该算法的可行性和有效性。
移动机器人、同步定位与地图构建、粒子滤波器、建议分布、粒子群优化
TP242(自动化技术及设备)
2014-12-30(万方平台首次上网日期,不代表论文的发表时间)
共4页
37-40