提出了一种基于粒子聚合重采样的移动机器人聚合蒙特卡洛定位(Merge Monte Carlo localization,Merge-MCL)方法.首先将移动机器人作业空间划分为离散栅格,建立栅格集,然后提出一种基于粒子空间相近性的粒子聚合技术,在保证粒子空间分布合理性的同时自适应调整粒子集规模.提出的粒子聚合重采样方法能够缓解粒子权值退化问题,并避免了传统重采样方法导致的多样性匮乏问题.仿真结果表明,粒子聚合重采样方法能够有效控制粒子集规模,聚合蒙特卡洛定位方法是鲁棒、有效的.
从粒子滤波效率主要取决于粒子集更新的思路出发,提出一种基于离散状态空间的移动机器人粒子滤波定位方法(Discrete space particle filter,DSPF)。根据定位系统误差,将机器人运行空间划分为变精度栅格作为样本粒子描述离散系统模型。地图预处理阶段获取栅格粒子的激光扫描数据,预存为栅格粒子特征。粒子权值更新时,将粒子离散化近似为栅格粒子,采用预存粒子特征进行激光扫描数据匹配,避免粒子特征的实时提取,提高了滤波更新效率。同时采用基于离散后验概率分布与当前粒子集分布之间Kullback-Leibler距离检验方法,自适应选择栅格粒子,平衡滤波效率和定位精度,能够有效解决机器人'绑架'问题。仿真结果表明,DSPF能够显著提高定位效率,并保证滤波精度。
