基于改进RBPF算法的移动机器人SLAM方法研究

摘要

移动机器人领域研究的一个重要问题是在不确定的环境中,能够实现自身定位,同时对环境进行建图,获取环境信息.因此,同时定位和地图构建(SLAM)研究成为当前移动机器人研究的一个热点.Rao-Backwellized粒子滤波(RBPF)算法是一种比较成功的同时定位和地图构建方法,其非参数特性避免了局部最小值,在映射应用程序中表现优异.然而,该算法在地图构建精度方面存在一些不足.针对RBPF算法粒子权重退化和粒子匮乏等问题,提出了利用修正梯度细化算法(CGR)对传统RBPF SLAM进行改进的新方法.仿真试验和室内场景试验结果表明,新方法能够有效地提高定位精度,在提升系统鲁棒性的同时也提升了地图构建的准确性.