提出一种基于粒子滤波器的机器人定位算法.首先利用一并行扩展卡尔曼滤波器作为粒子预测分布,将当前观测的部分信息融入,以改善滤波效果,减小所需粒子数;然后提出变密度函数边界的马尔可夫链蒙特卡洛(Markov chain Monte Carlo,MCMC)重...提出一种基于粒子滤波器的机器人定位算法.首先利用一并行扩展卡尔曼滤波器作为粒子预测分布,将当前观测的部分信息融入,以改善滤波效果,减小所需粒子数;然后提出变密度函数边界的马尔可夫链蒙特卡洛(Markov chain Monte Carlo,MCMC)重采样方法,以提高粒子的细化能力;最后结合普通重采样方法,提出一种改进的MCMC重采样的机器人定位算法,减少粒子匮乏效应的同时,提高了定位精度.实验结果表明,该算法较传统方法在计算复杂度、定位精度和鲁棒性方面都有显著提高.展开更多
文摘提出一种基于粒子滤波器的机器人定位算法.首先利用一并行扩展卡尔曼滤波器作为粒子预测分布,将当前观测的部分信息融入,以改善滤波效果,减小所需粒子数;然后提出变密度函数边界的马尔可夫链蒙特卡洛(Markov chain Monte Carlo,MCMC)重采样方法,以提高粒子的细化能力;最后结合普通重采样方法,提出一种改进的MCMC重采样的机器人定位算法,减少粒子匮乏效应的同时,提高了定位精度.实验结果表明,该算法较传统方法在计算复杂度、定位精度和鲁棒性方面都有显著提高.
