戈广双， 李子龙， 杨 凯， 马瑞鑫

(交通运输部 天津水运工程科学研究所，天津 300000)

基于激光扫描测距的机器人粒子滤波定位技术研究*

戈广双， 李子龙， 杨 凯， 马瑞鑫

(交通运输部天津水运工程科学研究所，天津300000)

传统的粒子滤波即时定位与地图构建(SLAM)算法在构建地图和目标进行自主定位时，粒子数量大，占用的内存高，重采样之后容易出现粒子匮乏现象，为了提高机器人自主定位的效率，提出了一种改进的重采样策略和粒子更新策略，融入系统模型。在装有机器人操作系统(ROS)的旅行家移动机器人上进行测试，实验结果表明：方法能够有效提升粒子滤波定位的效率。

即时定位与地图构建； 粒子滤波； 蒙特卡洛定位算法； 机器人操作系统

0 引 言

即时定位与地图构建(simultaneous localization and mapping,SLAM)是实现机器人自主行为控制的关键技术，机器人从任意位置开始，在移动过程中，用自身的传感器获取环境数据，构建增量地图，进行自主定位。在已知环境的自主定位研究已经取得了一些实用的方法，但在未知环境下，如何构建地图和利用构建的地图进行自主定位和导航，还有待进一步研究[1,2]。

粒子滤波(particle filtering，PF)算法基于概率统计的思想具有可逼近任意概率分布的特性，适用于移动机器人定位、地图构建。在此算法基础上，Montermerlo等人提出的FastSLAM算法降低了粒子数目和运算复杂度，是SLAM最具影响力的算法。宋凯楠等人[3]提出了一种用室内环境的特征点替代激光扫描数据进行ICP匹配的方法，减少了匹配时间，提高了SLAM算法的快速性。……