鲁棒的机器人粒子滤波即时定位与地图构建的实现

为了实现未知环境下的移动机器人同时定位与地图构建,提出一种改进的粒子滤波器算法。针对传统粒子滤波器粒子数量大的问题,通过在粒子滤波重要性采样阶段融入激光传感器观测信息,以减少所需粒子数。重采样之后出现粒子严重枯竭时,进行马尔可夫蒙特卡洛移动处理以降低粒子的匮乏效应。该方法在装有机器人操作系统的Pioneer3-DX机器人上进行测试,实验结果表明,它能够在线创建高精度的栅格地图。

基于改进Rao-Blackwellized粒子滤波器的同时定位与地图构建

解决同时定位与地图构建(SLAM)问题是实现机器人自主导航的核心.目前,Rao-Blackwellized粒子滤波器(RBPF)是解决机器人同时定位与地图构建的有效方法.该方法在计算提议分布时,通常只考虑移动机器人的里程计信息,因此存在需要大量的采样粒子造成的计算量和复杂度增大的问题.本文提出一种改进算法,在计算提议分布时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,有效地减少了所需粒子的数量并降低了滤波器预测阶段机器人位姿的不确定性.本文在机器人操作系统(robot operating system,ROS)平台上,使用配有URG激光器的Pioneer3-DX机器人进行了实验.结果表明,采用本文方法能够实时在线地创建高精度的栅格地图,为机器人在未知环境中的SLAM和导航提供了新途径.