刘 鹏 刘 凯 周 愉

(成都信息工程大学 四川 成都 610225)

0 引 言

定位是移动机器人导航技术中的一个关键环节。在一个简单的导航任务中，移动机器人需要获知自己在当前环境中的准确位置，才能顺利地由初始位置A移动到目标位置B。在已知自己准确位置信息的前提下，服务型机器人可以轻松地完成从厨房拿一杯咖啡送至客厅任务。Pinheiro等[1]认为机器人在自身位置已知的情况下也可以很好地帮助人类完成日常家庭的清洁工作。除此以外，自主定位与导航技术还广泛地应用于自动运输车辆的集装箱码头、自动驾驶汽车等方面。在自动驾驶领域，文献[2]提出全球定位系统(GPS)可以为车辆提供必要的位置信息，但由于其定位误差过大，不适用于定位精度要求较高的场所。

1 相关工作

移动机器人的定位是利用当前位姿信息、先验地图信息和传感器输入信息来预判机器人下一时刻位姿的过程[3]。从概率的角度来看，机器人的定位问题就是状态估计的问题。由于基于概率的方法普遍具有很好的鲁棒性，因此很多概率估计方法适用于移动机器人的位置估计。经典卡尔曼滤波(KF)和扩展卡尔曼滤波(EKF)方法虽可以有效地解决移动机器人的姿态跟踪问题，但其要求系统必须是线性系统且满足高斯分布，所以卡尔曼滤波方法(KF)在实际应用中会产生很多问题[4]。为了解决上述问题，使用了粒子滤波算法(PF)的蒙特卡洛定位法(MCL)在移动机器人定位问题上的效果显著[5-6]。……