基于语义物体尺寸链的改进自适应蒙特卡洛动态定位研究

为解决原始自适应蒙特卡洛定位(Adaptive Monte Carlo localization,AMCL)在相似动态环境下极易重定位失败的问题,首先融合机器人里程计信息、激光信息以及视觉信息,基于Gmapping算法完成机器人的即时定位与栅格地图的创建,其次将KinectV2彩色图像输入到目标检测识别方法中获取图像中物体检测框与类别,并结合GrabCut算法实现语义分割,利用配准数据计算出彩色图像中的物体在深度图像中对应位置,然后将获取到的KinectV2深度数据转换成点云信息并投影转换至全局地图坐标系下,得到物体语义图,并充分发掘各语义物体之间的关系,构建语义物体尺寸链,并提出一种快速有效的尺寸链检索方法,同时采用贝叶斯方法来减小误检测和重复检测对物体语义图的影响,将物体语义图和栅格地图进行原点重合以及位姿对齐,从而构建二维语义栅格地图,提出一种基于语义物体尺寸链的改进AMCL重定位算法,最后通过大量真实环境下的重定位实验验证了所提方法在相似动态环境中的优越性能。