基于头脑风暴算法的FastSLAM 2.0算法

针对FastSLAM 2.0算法粒子权值退化与粒子多样性丧失导致机器人定位建图精度下降的问题,提出了基于头脑风暴算法改进FastSLAM 2.0算法。通过头脑风暴算法替换FastSLAM 2.0算法重采样过程,首先将重要性采样后的粒子权值作为头脑风暴算法中个体评判的适度值,根据适度值大小差异完成K-means聚类操作;其次对聚类后的集合进行变异操作,并取消头脑风暴算法中个体选择操作,从而实现改进头脑风暴算法替代FastSLAM 2.0算法重采样过程,缓解粒子的贫化现象,增加粒子多样性,最终实现对机器人定位建图精度的提升。在机器人定位建图实验中,对比经典FastSLAM 2.0算法和基于遗传算法改进FastSLAM 2.0算法,提出的算法定位精度最高,相较于经典FastSLAM 2.0算法,提出算法定位精度提升了63%,稳定性提升了55%。

基于MKLD准则的PSOPF算法设计及其应用

针对标准粒子滤波算法中存在的粒子权值退化和计算量大的缺陷,提出了基于MKLD准则的粒子群优化粒子滤波算法。该方法将粒子群优化算法嵌入到粒子滤波算法的重要性采样过程中,对采样过程进行了优化,提高了粒子集的优良性的同时保证了粒子滤波状态估计的性能。同时,为了降低计算量,算法设计时基于MKLD准则自适应地选择粒子群优化算法所要优化的粒子及粒子群优化算法实施的时刻。大量的数值实验和GPS/DR组合导航仿真实验的结果验证了新方法的有效性。