基于蒙特卡羅的移動機器人自主定位算法研究.pdf

1、隨著移動機器人在各領域的廣泛應用，對移動機器人的自主定位精度與穩(wěn)定性要求越來越高。概率定位技術是目前移動機器人自定位常用的方法之一，而概率定位技術中的蒙特卡羅算法憑借其所具有的方法簡單、適應性強、收斂不受維數(shù)影響等優(yōu)點，以及可以有效處理非線性、非高斯問題的能力得到廣泛應用。但是粒子退化和樣本匱乏一直是傳統(tǒng)的蒙特卡羅定位算法所要解決的問題，它們嚴重影響了自主定位的準確性和穩(wěn)定性。因此，本文將對傳統(tǒng)的蒙特卡羅定位算法進行改進，研究一種既能解

2、決粒子退化和樣本匱乏問題又能保證定位精度和穩(wěn)定性的定位算法。
　　本文首先對移動機器人定位中的三種關鍵技術進行了介紹，分別是傳感器技術、信息融合技術以及移動機器人定位相關的模型。同時，重點對概率定位中的貝葉斯原理以及幾種經(jīng)典概率定位算法進行了詳細的闡述分析，包括卡爾曼濾波、擴展卡爾曼濾波、蒙特卡羅算法。最后，分析了一種改進后的蒙特卡羅算法—SIR算法，對該算法的優(yōu)點與不足進行了闡述，并且對MCMC算法的三種采樣方法進行分析。

3、>　　本文通過對SIR算法和MCMC算法的分析了解，給出了一種新的改進算法。該算法在結合了SIR算法對粒子退化的抑制方法與MCMC算法有效提高樣本多樣性的優(yōu)點的同時，還運用了一種新的建議分布函數(shù)，它可以對當前粒子的分散度進行調節(jié)，使粒子分布范圍隨著收斂程度的不同進行變化，使收斂性好的粒子更加集中在真實值周圍；收斂性不好的粒子則更加分散。通過對粒子分布范圍的調節(jié)可以更好地防止樣本匱乏現(xiàn)象的產生。運用Matlab進行仿真實驗，驗證了本文算法