鲁棒的机器人蒙特卡洛定位算法
提出一种基于粒子滤波器的机器人定位算法.首先利用一并行扩展卡尔曼滤波器作为粒子预测分布,将当前观测的部分信息融入,以改善滤波效果,减小所需粒子数;然后提出变密度函数边界的马尔可夫链蒙特卡洛(Markov chain MonteCarlo,MCMC)重采样方法,以提高粒子的细化能力;最后结合普通重采样方法,提出一种改进的MCMC重采样的机器人定位算法,减少粒子匮乏效应的同时,提高了定位精度.实验结果表明,该算法较传统方法在计算复杂度、定位精度和鲁棒性方面都有显著提高.
机器人定位、粒子滤波、马尔可夫-蒙特卡洛、重采样
34
TP242.6(自动化技术及设备)
国家自然科学基金项目60505017;国家自然科学基金重点项目60534007;浙江省科技计划项目2005C14008
2008-09-24(万方平台首次上网日期,不代表论文的发表时间)
共5页
907-911