基于自适应软重采样粒子滤波网络的视觉定位

摘要

针对粒子滤波网络(PF-Net)模型用于高度不确定环境中进行机器人视觉定位需要大量粒子才能精准定位的问题,提出一种自适应软重采样粒子滤波网络(ASRPF-Net)。为更好提取观测信息和地图信息,采用卷积神经网络(CNN)学习观测图像信息和地图信息,能够有效降低学习的复杂性,提高粒子权重的准确性。在重采样过程中加入决策,提出一种自适应软重采样方法,使模型能够判断是否需要进行重采样,达到减少粒子数量,减缓粒子集退化,提高机器人定位准确性的目的。在House3D和DeepMind Lab仿真环境上的实验结果表明,该方法比其它网络模型具有更高的定位精度和更好的鲁棒性。