陪护机器人粒子滤波定位法中重采样算法研究

针对室内陪护机器人粒子滤波定位方法,研究了四种粒子滤波重采样算法:多项式重采样算法、残差重采样算法、分层重采样算法和系统重采样算法,并分别对其进行仿真比较.实验证明残差重采样算法粒子收敛速度和粒子匮乏程度取折衷,性能优于其它三种重采样算法,在此基础上利用仿真实验结果在HHR-0303服务机器人上进行了实验.实验证明采用残差重采样算法的粒子滤波算法,利用声纳配合里程计定位的方案能达到定位目的.     

改进粒子滤波的无线传感器网络目标跟踪算法

针对粒子滤波(PF)重采样后造成的粒子枯竭现象的问题,提出了一种基于改进重采样的粒子滤波无线传感器网络目标跟踪算法.该算法避免了残差重采样算法中的残留粒子重采样问题,减少了计算时间;通过产生新的粒子,增加了粒子的多样性,从而改善了粒子枯竭现象.仿真实验结果表明:改进重采样的粒子滤波算法提高了目标跟踪精度,降低了跟踪误差.     

基于激光扫描测距的机器人粒子滤波定位技术研究

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.     

量子粒子群优化下的RBPF-SLAM算法研究

为了解决传统Rao-Blackwellized粒子滤波（RBPF）存在提议分布精度不高以及重采样过程出现的粒子退化和多样性丢失问题,提出一种量子粒子群（QPSO）优化下的Rao-Blackwellized粒子滤波同时定位与地图构建（RBPF-SLAM）算法。将机器人运动模型和观测模型融合作为混合提议分布,提高提议分布的精度;在重采样过程中引入量子粒子群优化算法更新粒子位姿,根据权值划分粒子种类,引入自适应交叉变异操作,对所得粒子集进行优化、调整,有效地防止粒子退化以及保持粒子的多样性。利用本文算法不仅用MATLAB进行仿真实验,而且结合了旅行家2号移动机器人在机器人操作系统（ROS）上进行实际验证。结果表明,本文算法能以较少粒子数精确估计出机器人的位姿和高精度的地图,误差和运行时间也大大降低了。     

基于不同重采样算法的RFID指纹定位

为满足移动机器人精确定位的需求,提出一种基于不同重采样算法的粒子滤波指纹定位法。定位阶段首先利用机器人运动学建立运动模型作为粒子预测分布, 并将当前的观测信息和环境指纹融入, 以改善滤波效果, 减少所需粒子数;然后给出精致重采样(ER)算法,以提高粒子的细化能力,减少粒子匮乏效应并提高定位精度;最后分析不同重采样算法对定位精度的影响,且从不同的实验角度进一步验证定位算法的精确性以及可靠性。实验结果表明, 该算法在定位精度和鲁棒性方面都有显著提高。     

基于粒子滤波的移动传感器网络节点定位算法

根据移动传感器网络中节点定位的特性,对经典粒子滤波的采样策略、粒子加权策略和重采样策略进行改进和优化,提出一种新的移动节点定位算法PFNL.该算法克服了经典粒子滤波算法存在的粒子退化、采样枯竭等缺陷,从而降低节点定位过程中的计算开销和存储开销.仿真实验结果表明,PFNL算法在同等参数条件下的定位精度高于典型定位算法.     

基于自适应多提议分布粒子滤波的蒙特卡洛定位算法

针对基于Cubature粒子滤波的蒙特卡罗定位（CMCL）算法存在的计算量大、实时处理能力较差的问题,提出一种基于自适应多提议分布粒子滤波的蒙特卡罗定位（AMPD-MCL）算法。该算法利用Cubature卡尔曼滤波和扩展卡尔曼滤波改进提议分布,融入当前观测信息,减弱粒子退化现象;重采样部分采用Kullback-Leibler距离（KLD）采样,根据粒子在状态空间的分布状况,在线调整下一次滤波迭代所需粒子数,从而减小计算量。仿真实验验证了自适应多提议分布粒子滤波（AMPD-PF）的有效性;同时在机器人操作系统（ROS）上进行实验,结果表明改进算法的平均定位精度达到19.891cm,定位所需粒子数稳定在60,定位时间为45.543s,较CMCL算法在定位精度上提高了71.03%,时间缩短了63.10%。实验结果表明,AMPD-MCL算法减小了定位误差,能实时在线调整粒子数,有效减少了算法计算量,提高了实时处理能力。     

鲁棒的机器人蒙特卡洛定位算法

提出一种基于粒子滤波器的机器人定位算法. 首先利用一并行扩展卡尔曼滤波器作为粒子预测分布, 将当前观测的部分信息融入, 以改善滤波效果, 减小所需粒子数; 然后提出变密度函数边界的马尔可夫链蒙特卡洛(Markov chain Monte Carlo, MCMC)重采样方法, 以提高粒子的细化能力; 最后结合普通重采样方法, 提出一种改进的MCMC重采样的机器人定位算法, 减少粒子匮乏效应的同时, 提高了定位精度. 实验结果表明, 该算法较传统方法在计算复杂度、定位精度和鲁棒性方面都有显著提高.     

WSN中基于粒子滤波的目标跟踪研究

针对无线传感器网络中仅有角度测量的目标跟踪问题,详细分析其定位过程,提出一种基于改进粒子滤波算法的新解决方案.方案采用高斯混合模型(GMM)代替单一模型近似概率密度分布,融入粒子滤波算法,提议分布采用SRUKF-PF算法更新粒子.算法中增加改进措施以提高滤波性能如:残差重采样算法用于重采样、K-means算法用于构建预估起始点、EM算法用于拟合GMM近似等.仿真结果验证了方案的有效性.     

改进的部分分层式粒子滤波重采样算法

粒子滤波算法由于其处理非线性非高斯的能力优势,目前应用领域非常广泛。然而粒子滤波中存在的粒子退化、样贫等问题同样不容忽视,针对这些问题提出了一种改进的重采样粒子滤波算法。该方法借鉴了部分分层重采样和残差重采样的思路,通过对粒子权值大中小分类,在兼顾粒子多样性的情况下用不同策略分层次复制三个集合样本,从而优化了重采样算法。最后通过与经典粒子滤波重采样算法和其他部分重采样(PR)算法相比,以一维非线性跟踪模(UNG)和二维纯角度跟踪模型(BOT)两个模型的仿真结果验证了所提算法的滤波性能和有效性。     

基于粒子聚合重采样的移动机器人蒙特卡洛定位

提出了一种基于粒子聚合重采样的移动机器人聚合蒙特卡洛定位（Merge Monte Carlo localization,Merge-MCL）方法．首先将移动机器人作业空间划分为离散栅格,建立栅格集,然后提出一种基于粒子空间相近性的粒子聚合技术, 在保证粒子空间分布合理性的同时自适应调整粒子集规模．提出的粒子聚合重采样方法能够缓解粒子权值退化问题, 并避免了传统重采样方法导致的多样性匮乏问题．仿真结果表明,粒子聚合重采样方法能够有效控制粒子集规模, 聚合蒙特卡洛定位方法是鲁棒、有效的．     

Simultaneous localization of multiple unknown CSMA-based wireless sensor network nodes using a mobile robot with a directional antenna

We use a single mobile robot equipped with a directional antenna to simultaneously localize unknown carrier sensing multiple access (CSMA)-based wireless sensor network nodes. We assume the robot can only sense radio transmissions at the physical layer. The robot does not know network configuration such as size and protocol. We formulate this new localization problem and propose a particle filter-based localization approach. We combine a CSMA model and a directional antenna model using multiple particle filters. The CSMA model provides network configuration data while the directional antenna model provides inputs for particle filters to update. Based on the particle distribution, we propose a robot motion planning algorithm that assists the robot to efficiently traverse the field to search radio source. The final localization scheme consists of two algorithms: a sensing algorithms that runs in O(n) time for n particles and a motion planning algorithm that runs in O(nl) time for l radio sources. We have implemented the algorithm, and the results show that the algorithms are capable of localizing unknown networked radio sources effectively and robustly.     

基于文化算法的家庭服务机器人任务规划

通过对家庭服务机器人任务规划问题进行形式化描述,给出了问题的求解模型,提出了一种改进的文化算法,通过算法中信念空间和种群空间的相互联系和相互促进实现求解。算法采用独特的编码方式,其种群空间采用遗传算法作为进化手段,采用较为独特的信念提取方式构造算法的信念空间并促使其进化。将该算法用于家庭服务机器人大赛的仿真平台上,证明其有效性。     

Computationally efficient solutions for tracking people with a mobile robot: an experimental evaluation of Bayesian filters

Modern service robots will soon become an essential part of modern society. As they have to move and act in human environments, it is essential for them to be provided with a fast and reliable tracking system that localizes people in the neighborhood. It is therefore important to select the most appropriate filter to estimate the position of these persons. This paper presents three efficient implementations of multisensor-human tracking based on different Bayesian estimators: Extended Kalman Filter (EKF), Unscented Kalman Filter (UKF) and Sampling Importance Resampling (SIR) particle filter. The system implemented on a mobile robot is explained, introducing the methods used to detect and estimate the position of multiple people. Then, the solutions based on the three filters are discussed in detail. Several real experiments are conducted to evaluate their performance, which is compared in terms of accuracy, robustness and execution time of the estimation. The results show that a solution based on the UKF can perform as good as particle filters and can be often a better choice when computational efficiency is a key issue.     

基于机器人听觉的自主声源搜索策略

提出了融合机器人听觉和超声避障的自主声源搜索策略．搜索策略按优先级分成3个模块：声源确认、超声避障、声源定位搜索, 通过优先级的判断确定当前执行模块．声源定位基于改进的时延估计定位方法实现,机器人在搜索并接近声源过程中利用超声避障． 在室内环境下测试系统,实验结果证明在混响环境下机器人可以定位声源并且可以绕过障碍物接近并确认声源,该方法具有实时实现的有效性和应用性．     

一种基于遗传算法的FastSLAM2.0算法

FastSLAM2.0算法的重采样过程会带来“粒子耗尽”问题,为了改进算法的性能、提高估计精度,将FastSLAM2.0算法与遗传算法相结合,提出了一种解决SLAM问题的方法——遗传快速SLAM算法．针对FastSLAM2.0算法的特点,设计了一种改进的遗传算法来兼顾粒子权值和粒子集的多样性．遗传快速SLAM算法采用unscented粒子滤波器估计机器人的路径,地图估计则采用扩展卡尔曼滤波器．采用SLAM领域的标准数据集“carparkdataset”对提出的算法进行了验证,实验结果表明遗传快速SLAM算法在估计精度和一致性方面都具有较好的性能,并且算法的计算复杂度能满足实时性要求．     

基于DTC-MOPSO算法的焊接机器人路径规划

点焊机器人在汽车白车身焊接中的应用大大提高了企业的生产效率,本文从焊接路径长度和能量两方面进行焊接机器人多目标路径规划．为了很好地解决这个问题,本文对一种新型多目标粒子群算法（三态协调搜索多目标粒子群优化算法）进行改进,得到适合于求解离散多目标优化问题的离散化三态协调搜索多目标粒子群算法（DTC-MOPSO）．通过和两个经典的优化算法比较,DTC-MOPSO算法在分散性和收敛性方面都有很好的优化性能．最后运用Matlab机器人工具箱对机器人的运动学、逆运动学以及逆动力学进行分析以求解机器人的路径长度和能耗,并将改进的算法应用于焊接机器人路径规划中,结果显示规划后的路径明显优于另外两种算法.     

基于机器人听觉的声源定位策略

针对机器人听觉定位,提出了五个传声器组成的阵列作为机器人的耳朵,其中四个传声器组成的平面阵确定声源空间位置,另外一个传声器辅助完成声源位于机器人前后方的判断,并在改进的时延算法上实现声源的空间定位。系统在室内环境下测试,实验结果证明在混响环境下机器人可以实现空间声源定位,该方法具有实时实现的有效性和应用性。