CAJ | 학술논문

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 MonteCarlo,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.
제출일충기우입자려파기적궤기인정위산법.수선이용일병행확전잡이만려파기작위입자예측분포,장당전관측적부분신식융입,이개선려파효과,감소소수입자수;연후제출변밀도함수변계적마이가부련몽특잡락(Markov chain MonteCarlo,MCMC)중채양방법,이제고입자적세화능력;최후결합보통중채양방법,제출일충개진적MCMC중채양적궤기인정위산법,감소입자궤핍효응적동시,제고료정위정도.실험결과표명,해산법교전통방법재계산복잡도、정위정도화로봉성방면도유현저제고.