一种针对人形足球机器人的分域自适应蒙特卡洛定位方法

针对常规蒙特卡洛定位法中的粒子贫化和绑架问题,提出了一种分域自适应蒙特卡洛定位方法.该方法首先定义了两个用于描述粒子集合分布及其与真实位姿之间的差异的特征变量.然后根据特征变量的组合值将定位过程识别为全局定位、局部定位、局部跟踪和容错定位四种状态的交替过程,并为每种状态设计了自适应的控制策略来调整参数和重新采样规则.基于大型人形足球比赛机器人系统的物理和仿真实验的结果均表明,该定位方法有利于提高定位的准确性和实时性.同时,该方法还可以高效地解决绑架问题,提高了系统的鲁棒性.