基于SSPF算法的移动机器人全局定位研究  

Research on global localization of mobile robot based on SSPF algorithm

作　　者：罗颖[1] 谭冠政[1] 

机构地区：[1]中南大学信息科学与工程学院,湖南长沙410083

出　　处：《传感器与微系统》2008年第5期31-34,共4页Transducer and Microsystem Technologies

基　　金：国家自然科学基金资助项目(50275150);高等学校博士学科点专项科研基金资助项目(20040533035)

摘　　要：传统粒子滤波器(PF)算法在移动机器人全局定位时会出现粒子退化和粒子耗尽问题,导致定位失败。提出了一种改进的PF算法即智能采样PF(SSPF)算法,该方法采用Unscented卡尔曼滤波器(UKF)算法和基于相关熵的自适应重采样算法相结合的方法,较好解决了传统PF算法所引起的粒子退化问题。由于重采样的一种极端情况会带来粒子耗尽问题,采用MH(metropolis hastings)算法,较好地解决了粒子耗尽问题。与以往方法相比,该方法可以实现准确性较高的移动机器人全局定位。Traditional particle filter （PF） algorithm can lead to particle degeneracy and particle depletion problems in global localization of mobile robot to cause localizing defeat. A improved PF named smart sampling particle filter（SSPF） algorithm is proposed by combining Unscented Kalman filter（UKF） algorithm and relative entropy for adaptive PF algorithm, which solves the particle degeneracy of traditional PF algorithm. Since one of the extreme conditions of resampling can cause particle depletion, this problem is solved by using metropolis hastings （ MH ） approach. Comparing with previous methods, the algorithm can implement global localization of mobile robot with high precise.

关 键 词：粒子滤波器 移动机器人 全局定位 智能采样PF算法 Unscented卡尔曼滤波器 MH算法 

分 类 号：TP242.6[自动化与计算机技术—检测技术与自动化装置]