张 琪，蒙禾青，周 嵘，包琨超，王宗玉

（1.武汉理工大学 信息工程学院，湖北 武汉 430070；2.西安交通大学软件学院，陕西 西安 710049）

自定位是移动机器人的核心问题。通过自定位，移动机器人可以在特定环境中完成人类指定的各种任务，例如传递指令、取送物品、危险物排除、管理办公室或家居和机器人足球等［1－2］，因此这项研究具有重要价值。移动机器人的定位，需要两个条件:一是感知内、外环境的传感器，例如笔者采用经典的测距传感器来获取环境信息；二是关于行走环境的地图。地图的获取有两种方式，一是机器人在行走过程中根据实际量测来自动绘制环境地图；二是把已经标定好的环境地图存放在移动机器人的芯片中。为了简化问题，笔者采用第二种方式，即地图在自定位之前已经获得。地图采用离散栅格形式，如图1所示。其中黑色栅格表示障碍物，用数字0表示，而白色部分表示机器人可以通过的栅格，用数字1表示。

图1 离散栅格地图示例

地图建立以后，机器人通过移动，不断获取与墙壁或周边物体的距离信息，经过与地图的匹配，逐步判断机器人在当前时刻的位置和方向。由于机器人定位是一个非线性、含有较多不确定性因素的问题，因此当前主要采用基于贝叶斯滤波的概率推导方法，如卡尔曼滤波器、多峰值估计法、马尔科夫定位和蒙特卡洛法等［3－4］。在实例方面，卡内基梅隆大学与德国伯恩大学基于蒙特卡洛方法，合作研发出博物馆导游机器人Rhino及Minerva，可以从博物馆中任意一个位置出发，较快地实现自定位［5］。……