基于特征热力图的移动机器人高效全局定位方法

针对大尺度场景下传统的全局定位算法搜索空间大、定位效率低的问题,提出了一种基于特征热力图的移动机器人高效全局定位方法.首先,融合光线投射和点/边特征检测算法,提取了环境栅格地图中的点/边信息;并制定了考虑随机误差的鲁棒处理策略,构建了具有鲁棒特征信息的特征热力图.此外,利用相同的策略提取了真实激光雷达点云中的点/边特征信息,并将特征信息与特征热力图进行匹配,获得了初始搜索空间.最后,对最大似然估计定位法与蒙特卡洛定位法进行了改进,实现了在初始搜索空间下的高效全局定位.在仿真场景和大尺度真实车间中进行了验证测试,相较于传统最大似然估计定位方法,计算时间下降幅度平均达到90.37%,而与蒙特卡洛定位方法相比,成功率平均提升了5.92倍.结果表明所提方法极大地缩小了定位搜索空间,有效地提高了全局定位效率和精度.