2.845

2023影响因子

(CJCR)

  • 中文核心
  • EI
  • 中国科技核心
  • Scopus
  • CSCD
  • 英国科学文摘

留言板

尊敬的读者、作者、审稿人, 关于本刊的投稿、审稿、编辑和出版的任何问题, 您可以本页添加留言。我们将尽快给您答复。谢谢您的支持!

姓名
邮箱
手机号码
标题
留言内容
验证码

基于多假设跟踪的移动机器人自适应蒙特卡罗定位研究

张恒 樊晓平 瞿志华

张恒, 樊晓平, 瞿志华. 基于多假设跟踪的移动机器人自适应蒙特卡罗定位研究. 自动化学报, 2007, 33(9): 941-946. doi: 10.1360/aas-007-0941
引用本文: 张恒, 樊晓平, 瞿志华. 基于多假设跟踪的移动机器人自适应蒙特卡罗定位研究. 自动化学报, 2007, 33(9): 941-946. doi: 10.1360/aas-007-0941
ZHANG Heng, FAN Xiao-Ping, QU Zhi-Hua. Mobile Robot Adaptive Monte Carlo Localization Based on Multiple Hypothesis Tracking. ACTA AUTOMATICA SINICA, 2007, 33(9): 941-946. doi: 10.1360/aas-007-0941
Citation: ZHANG Heng, FAN Xiao-Ping, QU Zhi-Hua. Mobile Robot Adaptive Monte Carlo Localization Based on Multiple Hypothesis Tracking. ACTA AUTOMATICA SINICA, 2007, 33(9): 941-946. doi: 10.1360/aas-007-0941

基于多假设跟踪的移动机器人自适应蒙特卡罗定位研究

doi: 10.1360/aas-007-0941
详细信息
    通讯作者:

    张恒

  • 中图分类号: TP24

Mobile Robot Adaptive Monte Carlo Localization Based on Multiple Hypothesis Tracking

More Information
    Corresponding author: ZHANG Heng
  • 摘要: 针对移动机器人蒙特卡罗定位(Monte Carlo localization, MCL)算法在含有对称和自相似结构的环境中容易失败的问题, 提出了一种基于多假设跟踪的自适应蒙特卡罗定位改进算法. 该算法根据粒子间空间相似性采用核密度树聚类算法对粒子群进行聚类, 每簇粒子代表一个位姿假设并用一个独立的MCL算法进行跟踪, 总体上形成了一组非等权的粒子滤波器, 很好地克服了普通粒子滤波器由于粒子贫乏而引起的过度收敛问题. 同时运用该核密度树实现了自适应采样, 提高了算法的性能. 针对机器人``绑架''问题对该算法作了进一步的改进. 实验结果证明了该算法的有效性.
  • 加载中
计量
  • 文章访问数:  2450
  • HTML全文浏览量:  58
  • PDF下载量:  2609
  • 被引次数: 0
出版历程
  • 收稿日期:  2006-05-26
  • 修回日期:  2006-12-15
  • 刊出日期:  2007-09-20

目录

    /

    返回文章
    返回