论文部分内容阅读
针对移动机器人Monte Carlo定位中粒子滤d波存在的粒子退化和粒子多样性匮乏问题,提出基于平方根容积粒子滤波的移动机器人Monte Carlo定位算法。新算法采用平方根容积卡尔曼滤波精确设计粒子的重要性函数,将当前观测信息融入重要性采样过程,提高对真实状态后验概率的逼近程度;新算法在Monte Carlo定位中直接传播及更新协方差阵的平方根因子,避免协方差阵分解与重构过程,保证协方差阵的对称性及正定性;基于排序的自适应局部重采样仅对部分粒子进行重采样,降低计算代价,增加粒子多样性;进而提高算法估计精度和一致性。实验结果表明:相同粒子条件下,新算法的计算代价比容积Monte Carlo定位算法约减少8%,不同粒子数目约多40%;新算法(10个粒子)的估计精度高于Monte Carlo定位算法(100个粒子),高于容积Monte Carlo定位算法(30个粒子)。