融合自适应邻域差分进化的FastSLAM算法

摘要

cqvip:机器人导航与建图中FastSLAM算法应用最广,但FastSLAM算法存在较多的问题,对算法中存在粒子集退化、重采样中丢失粒子多样性问题进行研究,研究结果表明,融合了自适应邻域差分进化算法的AMNDE-FastSLAM算法能有效改善这一问题。AMNDE-FastSLAM算法根据FastSLAM算法中的运动模型对粒子进行位姿估计更新,从建议分布中提取粒子,将FastSLAM算法中的重采样步骤替换为具有自适应能力的改进邻域差分进化算法。最后的实验结果表明,与传统的FastSLAM算法相比,AMNDE-FastSLAM算法具有更好的鲁棒性,在处理机器人被“绑架”问题上收敛速度更快、更优。