机器人SLAM算法失真模糊性消除优化方法研究

摘要

为准确有效实现对移动机器人的同时定位和环境创建,提出将传统的粒子滤波SLAM技术和模糊神经网络算法相结合,对粒子滤波SLAM算法进行改进。提出在训练过程中设置频率计数器的方法,使测量的机器人位姿信息参数失真达到最小。实际场地实验和数据仿真结果表明通过本算法的SLAM定位信息轨迹能正确反映机器人的原始行踪轨迹,其行踪轨迹偏差的误差率仅为4.03%。与传统的粒子滤波算法相比,表现为轨迹跟踪的机器人SLAM同时定位性能比传统的粒子滤波算法提高一倍以上,仿真结果展示了新的机器人SLAM算法良好的快速收敛性能和高精度定位性能。