基于粒子滤波的智能移动机器人定位研究

《基于粒子滤波的智能移动机器人定位研究》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、西南科技大学研究生学位论文基于粒子滤波的智能移动机器人定位研究年级2013级姓名王瑞申请学位级别硕士专业信息与通信工程指导教师肖宇峰副教授ClassifiedIndex:TH17TP30U.D.C:621.3SouthwestUniversityofScienceandTechnologyMasterDegreeThesisResearchonLocalizationofIntelligentMobileRobotBasedonParticleFilterGrade:2013Candidate:w

2、angruiAcademicDegreeAppliedfor:MasterSpeciality:InformationandcommunicationengineeringSupervisor:xiaoyufengMay.31,2016独创性声明本人声明所呈交的论文是我个人在导师指导下进斤的研究工作及取得的研究成果。尽我所知，，除了文中特别加标注和致谢的地方外论文中不包含其他人已经发表或撰写过的研究成果，也不包含为获得西南科技大学或其它教育机构的学位或化书而使用过的材料一。与我同工

3、作的同志对本研究所做的任何贡献均己在论支中作了明确的说明井表示了谢意。。倍‘巧：曰期签名去為：关于论文使用和授权的说明本人完全了解西南科技大学有关保留、使用学位论文的规定：，即学校有权保留学位论文的复印件，允许该论文被查阅和借阅；学校可１＾公布该论文的全部或部分内容，可Ｗ采用影印、缩印或其他复制手段保存论文。（保密的学位论文在解密后应遵守此规定）ｊ２＾。签名：立导师签名：：Ｓ曰期备．备呼襄部／ッ西南科技大学硕士研究生学位论文第I页摘要目前移动机器人定位是研究

4、的热点，卡尔曼滤波是常用的定位方法，但是它通常要求系统为线性高斯模型，难以适应实际的工作需求。这种情况下，粒子滤波由于其适应性而受到广泛关注。然而在实际应用中，粒子滤波算法也存在一些缺陷。比如重采样算法的引进，是为了解决样本退化问题，但随之又带来了样本多样性丧失问题。从滤波理论知道，算法的精度随着粒子数的增加而提高，但随着粒子数量的增加，增加了算法计算复杂度，影响了算法应用的实时性。本文对粒子滤波进行了改进。首先改进了重采样过程，在基本的重采样过程中加入粒子集分层和粒子线性组合来产生新粒子，解决了

5、粒子多样性丧失问题。然后通过加入JS距离对粒子集进行度量，使粒子数自适应改变，在粒子数较多时，减小了算法的计算复杂度，并通过实验仿真验证了改进算法的有效性。最后把改进的粒子滤波算法应用于移动机器人的定位，并得到了良好的精度效果。关键词:机器人定位粒子滤波重采样JS距离西南科技大学硕士研究生学位论文第II页AbstractThelocationofthemobilerobotisnowahotresearch,theKalmanfilterisacommonlyusedmethod,butitusu

6、allyrequiresasystemoflinearGaussianmodel,soitisdifficulttotheneedsoftheactualwork.Inthiscase,theparticlefilterismuchattentionbecauseofitsadaptability.However,inpracticalapplication,therearealsosomedrawbacksoftheparticlefilter.Forexample,theintroductio

7、nofresamplingistosolvethedegradationproblem,butitalsobroughtaproblemofdiversityloss.Aswecanknowfromfiltertheory,theaccuracyofthealgorithmincreasesalongwiththenumberofparticlesincreases,butitalsoincreasesthecomputationalcomplexityandaffectsthereal-time

8、performanceofthealgorithm.Inthispaper,weimprovetheparticlefilter.First,weuseastratificationmethodandalinearcombinationofparticlestogeneratenewparticlesinresamplingprocess,itsolvetheproblemofparticlediversityloss.Then,usingtheJSdistancetomeasur