基于蒙特卡罗定位算法的高层建筑物消防通道模糊BIM规划方法

为降低高层建筑物人员疏散难度,提升消防通道规划效果,研究基于蒙特卡罗定位算法的高层建筑物消防通道模糊建筑信息模型(Building Information Modeling,BIM)规划方法。在蒙特卡罗定位算法内添加遗传算法的交叉与变异操作,改进蒙特卡罗定位算法,加快定位效率。利用改进蒙特卡罗定位算法,定位高层建筑物消防通道的关键位置。通过区间直觉模糊广义λ-Shapley Choquet积分方法,选择消防通道规划时的模糊BIM软件。利用选择的模糊BIM软件,结合关键位置定位结果,规划消防通道路径,建立消防通道模糊BIM规划模型。利用Revit软件,以调节模型质量精细度与曝光度的方式,效果渲染消防通道模糊BIM规划模型,提升消防通道模糊BIM规划结果的逼真度。实验证明:该方法可精准定位消防通道关键位置;该方法可有效规划消防通道路径,构建消防通道模糊BIM规划模型;经过效果渲染后,该方法的消防通道模糊BIM规划结果的逼真度较优。

基于3D点云地图和描述子的蒙特卡罗定位方法

为了实现机器人充分利用多线激光雷达感知信息进行位姿跟踪,论文提出了一种基于已知3D点云地图和描述子匹配观测模型的蒙特卡罗定位方法。首先设计了一种全新的以三维分箱形式统计障碍物结构信息的BOSS描述子,及高效的相似度计算方法;然后设计了基于扫描帧与局部点云地图BOSS描述子相似度匹配的观测模型;最后提出BOSS-MCL定位方法,借助描述子采样集预生成策略完成粒子的高效更新,实现机器人实时位姿跟踪。在实车平台上的测试结果表明,与传统蒙特卡罗定位相比,该方法在定位精度和稳定性上得到显著提升,具有实际应用价值。

移动无线传感网中的迭代蒙特卡罗定位算法研究

研究移动无线传感网中的节点定位问题,分析影响蒙特卡罗定位精度的两个因素:观测值和前一时刻的位置样本集,提出一种迭代蒙特卡罗定位算法。该算法中,信标节点的位置信息在每个时间段只被它的邻居节点转发一次,但是接收到该信息的其他节点会保存它们,并在下一时间段将它们与待发送/转发的信息融合成一个数据包进一步转发,增加待定位节点用于估算前几个时间段位置样本集的观测值。待定位节点再利用蒙特卡罗算法迭代计算前面时间段的位置样本集,并充分利用观测值滤除较差样本,从而提高当前时刻的定位精度。仿真实验表明改进算法提高了定位准确度。当信标节点密度较低时,更能体现改进算法的优越性。

移动机器人的改进无迹粒子滤波蒙特卡罗定位算法

粒子滤波是移动机器人蒙特卡罗定位(Monte Carlo localization,MCL)的核心环节.首先,针对粒子滤波过程的粒子退化问题,利用迭代Sigma点卡尔曼滤波来精确设计粒子滤波器的提议分布,以迭代更新方式将当前观测信息融入顺序重要性采样过程,提出IUPF(Improved unscented particle filter)算法.然后,将IUPF与移动机器人MCL相结合,给出IUPF-MCL定位算法的实现细节.仿真结果表明,IUPF-MCL是一种精确鲁棒的移动机器人定位算法.

基于多假设跟踪的移动机器人自适应蒙特卡罗定位研究

针对移动机器人蒙特卡罗定位(Monte Carlo localization,MCL)算法在含有对称和自相似结构的环境中容易失败的问题,提出了一种基于多假设跟踪的自适应蒙特卡罗定位改进算法.该算法根据粒子间空间相似性采用核密度树聚类算法对粒子群进行聚类,每簇粒子代表一个位姿假设并用一个独立的MCL算法进行跟踪,总体上形成了一组非等权的粒子滤波器,很好地克服了普通粒子滤波器由于粒子贫乏而引起的过度收敛问题.同时运用该核密度树实现了自适应采样,提高了算法的性能.针对机器人"绑架"问题对该算法作了进一步的改进.实验结果证明了该算法的有效性.

基于全景视觉匹配的移动机器人蒙特卡罗定位算法

本文提出了一种基于梯度直方图的全景图像匹配算法,并将该算法与蒙特卡罗定位方法相结合,构建了一种基于全景视觉的移动机器人定位方法.在分析所提出的匹配算法特点的基础上建立了系统的观测模型,推导出粒子滤波中重要权重系数的计算方法.该方法能够抵抗环境中相似场景对于定位结果的干扰,同时能够使机器人从"绑架"中快速恢复.实验结果证明该方法正确、有效.

不完整地图中移动机器人蒙特卡罗定位研究

针对移动机器人在不完整地图中定位的问题,提出了一种改进的粒子聚类蒙特卡罗定位(Monte Carlolocalization,MCL)算法。在定位过程中,将机器人的位姿分为六种状态,每一种状态对应一个粒子簇。在机器人运动的过程中,这六种状态之间可以相互转移,在计算状态转移概率的基础上,实现了不完整地图中移动机器人蒙特卡罗定位算法。实验验证了该算法在解决移动机器人在不完整地图中定位问题的有效性。

基于改进的鲁棒机器人蒙特卡罗定位算法

针对粒子滤波过程的粒子退化问题和提高粒子的细化能力,提出一种基于改进的鲁棒机器人蒙特卡罗定位(Improved Robust Robot Monte Carlo localization,IRR-MCL)算法.首先利用扩展卡尔曼滤波来精确设计粒子滤波器的提议分布,将当前观测信息融入顺序重要性采样过程,以改善滤波效果,减小所需粒子数;然后,给出IRR-MCL定位算法的实现细节,实验结果表明,该算法与传统的方法在定位精度和鲁棒性方面都有显著提高.

煤矿用无人驾驶辅助运输车辆的蒙特卡罗定位方法

为解决煤矿无人驾驶车辆自主定位这一重要问题,研究了车辆在巷道环境中行驶时的蒙特卡罗定位方法。首先进行了场景分析,综合考虑工作任务和行驶安全性,得出车辆纵向和侧向位姿状态估计的不同要求,其中沿巷道轴线方向的车辆纵向位置在需要时获得,相对巷道中心线基准的车辆侧向位置和转向姿态角应实时精确解算,由此指出基于特征测量的定位方法在巷道环境应用时存在的局限,讨论了侧向激光测距扫描的适用性。进一步将矿井全域地图分解为典型场景区域地图的集合,提出了将车辆自主精确定位问题维持在一个典型场景所对应的区域地图范围内进行的策略。其次论述了蒙特卡罗定位算法的实现方法,分析了煤矿辅助运输车辆的转向结构形式,运用基于车辆的速度运动模型实现了算法的控制更新过程。为使测量概率随车辆位姿变化具有平滑性,建立了基于激光测距传感器的似然域模型实现了算法的测量更新过程,并提出调节似然域模型不确定性参数来避免定位算法失效的方法。最后,通过在典型场景内针对全局定位问题进行蒙特卡罗定位算法仿真,验证了定位策略和算法。通过高斯近似对粒子集进行密度提取来获得置信度分布,并以高斯分布均值作为车辆位姿估计。作为对比,在相同的车辆实际运行轨迹条件下,针对位置跟踪问题完成了基于特征测量的扩展卡尔曼滤波定位算法仿真。结果表明,蒙特卡罗定位中,车辆侧向位置估计和姿态角估计始终能够很好地反映实际状态值,纵向位置的后验概率由多峰分布收敛为单峰分布,反映了全局定位过渡到位置跟踪的过程。扩展卡尔曼滤波定位一方面不能解决全局定位问题;另一方面侧向定位精度受特征方位角测量误差的影响显著。在煤矿巷道应用环境下,基于激光测距扫描的蒙特卡罗定位所获得的侧向定位精度优于基于特征测量的扩展卡尔曼滤波定位情况。在区域地图范围内进行蒙特卡罗定位,实现了矿用车辆的全局定位和位置跟踪,满足了在巷道环境中不同位姿状态的估计及时性差异化要求。

基于多假设粒子群优化的蒙特卡罗定位算法

针对传统蒙特卡罗定位(MCL)算法在结构化相似环境中容易出现定位失败的问题,提出一种基于多假设粒子群优化的改进蒙特卡罗定位方法(MPSO-MCL)。以激光传感器的观测信息作为适应度函数,对MCL算法的采样粒子进行多假设粒子群优化更新,使得采样粒子向当前群体中多个最优粒子方向移动,从而使得粒子迅速收敛到后验概率密度分布取值较大的区域,实现了移动机器人高效精确自主定位。实验结果表明,MPSO-MCL算法克服了相似环境中定位的粒子匮乏问题,并且提高了定位的精确度。

缩小采样区域的蒙特卡罗移动节点定位算法

针对无线传感器网络中移动节点定位问题,提出一种适用于未知节点移动而信标节点固定的改进蒙特卡罗定位算法,充分利用信标节点与未知节点间的测距误差来缩小采样区域,提高采样效率。仿真结果表明,改进算法在信标节点密度、连通度和节点最大运动速度等不同情况下均能提高定位精度,减少采样次数和计算量,延长网络的生存周期。

DV-Hop辅助的改进蒙特卡罗盒定位算法

针对无线传感器网络中,以蒙特卡罗为基础的移动传感节点定位算法在定位精度和采样效率方面的不足,提出一种DV-Hop辅助的改进蒙特卡罗盒定位算法.通过利用DV-Hop方法获得节点间的真实距离来建立更加精确的锚盒;引入节点随机运动模型,获得节点真实运动速度来优化采样区域,提高定位精度;根据样本到一跳、两跳锚节点的估计距离和真实距离的差值来动态赋予样本不同的权值,提高采样效率.仿真结果表明,当锚节点和未知节点都移动时,所提出算法的定位精度和采样效率与同等条件下的蒙特卡罗盒算法相比均有所提高.

基于自适应观测模型的移动机器人室内蒙特卡罗动态定位系统研究

针对存在玻璃门、动态行走的行人的环境时,传统的蒙特卡罗移动机器人定位算法因环境噪声的增大致使观测信息剧烈变化导致定位性能下降的问题,提出了一种基于改进的观测模型的蒙特卡罗定位(MCL)算法。该算法通过在观测模型中引入测量失败误差和动态误差提高激光传感器测量数据的有效性,利用激光传感器测得数据匹配已创建的占用栅格地图,检测已知环境是否发生变化,从而改变随机误差、测量失败误差、动态误差对应的权重,降低噪声对测量值的影响,提高在复杂环境下的定位准确性。基于机器人操作系统(ROS)进行了实验,实验结果表明该算法具有较好的有效性。

基于接收信号强度指示测距的蒙特卡罗盒移动节点定位算法

针对无线传感器网络(WSN)中以蒙特卡罗为基础的移动节点定位算法在采样效率和定位精度方面的不足,提出一种基于接收信号强度指示(RSSI)测距的蒙特卡罗盒定位(MCB)算法。通过对RSSI测距信息分区间管理来加强过滤条件,提高定位精度;同时采样阶段利用已满足过滤条件的样本点生成更有效的样本,从而提高采样效率;最后通过牛顿插值法预测节点运动轨迹,样本点与未知节点运动轨迹越接近则其权值越大,据此对样本点进行加权处理得到节点的最佳估计位置。仿真结果表明,改进方案在不同的锚节点密度、通信半径、运动速度等情况下均表现出良好性能,且定位精度与同等条件下的蒙特卡罗盒算法相比均有提高。

RSSI辅助的蒙特卡罗盒定位算法

针对以蒙特卡罗为基础的几种无线传感器网络定位算法普遍存在定位精度和采样效率低的问题,文中提出了一种RSSI辅助的蒙特卡罗盒定位算法(RAMCB)。通过实验构造出符合实际环境的RSSI和距离区间的映射关系数据库;在定位阶段,未知节点利用来自一跳和两跳锚节点的RSSI值查询数据库,得到与一跳和两跳锚节点的距离区间,利用距离区间建立更为精确的采样箱,以提高采样效率;未知节点根据样本到一跳、两跳锚节点的估计距离和实际距离的差值来动态赋予样本的权值。仿真结果表明:RAMCB算法能有效提高定位精度和采样效率。

基于ROS的移动工业机器人定位算法研究

室内移动工业机器人在工业生产、智慧物流等领域的应用越来越广泛,其导航定位成为学者研究的热点问题,具有较高的应用价值。为解决蒙特卡罗定位(MCL)算法粒子匮乏、定位精度不高等问题,将基于自适应蒙特卡罗定位(AMCL)算法应用到移动工业机器人定位系统中,通过在MCL重采样中引入随机采样和尔贝克-莱布勒散度(KLD)采样自适应动态调节粒子数量,实现较好的定位效果,同时搭建基于机器人操作系统(ROS)的实验平台进行定位实验。经实验,AMCL定位算法在ROS平台下能够较好地实现移动工业机器人的定位功能。

动态WSN中基于改进的蒙特卡罗盒子定位算法

针对蒙特卡罗盒子定位算法在动态WSN定位方面所存在的计算量大,精确度不高以及耗时等缺点。提出一种量子粒子群算法优化蒙特卡罗盒子的定位算法(QPSO-MCB)。该算法不仅减小了解空间的搜索时间,同时提高了采样效率,有效改善了蒙特卡罗盒子定位算法的高误差和低效率。仿真结果表明,与蒙特卡罗盒子算法相比,平均采样效率有了明显提高,特别当移动速度增加的情况下,定位误差反而下降。

基于Bayes滤波的移动机器人定位方法

对基于贝叶斯滤波原理的机器人定位方法提出了一个通用框架,进行了贝叶斯滤波方法的推导,理顺了贝叶斯总体框架以及卡尔曼滤波定位、多假设定位、马尔可夫定位、蒙特卡罗定位方法之间的内在逻辑关系。回顾了基于概率推理框架的各种机器人定位方法的发展过程、目前发展水平,并针对各自的利弊进行了比较。基于采样的蒙特卡罗定位算法能够描述多峰分布,可近似大范围的概率分布,能够有效解决定位过程中出现的歧义情况以及绑架情况等,因此重点对蒙特卡罗定位算法的实现过程以及存在的问题进行了详细的阐述,同时对研究难点和未来的发展趋势做了展望。

新的室内移动机器人自定位方法

针对现有室内移动机器人自定位方法中存在的定位精度不高,随时间积累定位误差增大,复杂室内环境下信号存在多径效应和非视距效应等问题,提出了一种基于蒙特卡罗定位(MCL)的新的移动机器人自定位方法。首先,通过分析基于无线射频识别(RFID)技术的移动机器人自定位系统,建立机器人运动模型;然后,通过分析基于接收信号强度指示(RSSI)的移动机器人自定位系统,提出机器人移动过程的观测模型;最后,针对粒子滤波定位执行效率不高的问题,提出粒子剔除策略和依据粒子方位赋予粒子权值策略,提高系统的定位精度和执行效率。仿真实验表明,机器人在移动过程中的自定位误差在X轴和Y轴方向上为3 cm,传统定位算法误差为6 cm,新算法定位精度提高近1倍,且算法具有很好的鲁棒性。

基于粒子滤波的移动机器人定位关键技术研究综述

针对粒子滤波固有的问题,结合在移动机器人蒙特卡罗定位中的最新应用成果,分别从建议分布的选择、重采样策略的改进、有效推理的执行、自适应机制的引入、与其他方法的集成等几个方面对其当前研究的关键技术进行了归纳总结,并对该研究领域需要解决的研究难点进行了分析,展望了进一步研究的方向。