基于改进AMCL与点云匹配校正的落布机器人定位分析

为了解决落布机器人在纺织车间应用时,由于计算效率低和粒子贫化导致的定位精度降低问题,本文提出了一种基于AMCL(Adaptive Monte Carlo Localization)与点云匹配校正的全局定位方法。首先由AMCL中KLD(Kullback Leibler distance)采样动态删除冗余粒子,并利用蝙蝠算法优化KLD调整后的粒子集,提高粒子多样性,有效压缩粒子规模,从而实现计算精度和效率的双重提升,最后通过NDT(Normal Distribution Transform)算法对二维栅格地图进行高精度激光测量匹配,对AMCL的全局位姿进一步修正,提高定位精度。实验结果验证了本文算法的有效性与可行性。