计算机应用

作者：乔恩保, 高向阳, 程俊

单位：1.广西高校先进制造与自动化技术重点实验室（桂林理工大学），广西 桂林 541006；2.中国科学院 深圳先进技术研究院，广东 深圳 518055

关键词：移动机器人,拓展卡尔曼滤波器,支持向量机,定位恢复,自适应蒙特卡洛定位

基金：国家自然科学基金资助项目(U21A20487)

机器人定位技术对智能机器人的高效、精确和安全运行至关重要，然而在实际的定位过程中，机器人常面临“绑架”问题。为了应对这一难题，提出一种基于支持向量机（SVM）的自恢复自适应蒙特卡洛定位（SVM-SRAMCL）算法。首先，构建用于识别机器人“绑架”状态的检测模型——基于SVM的绑架检测模型（SVM-KDM）；其次，通过自适应蒙特卡洛定位（AMCL）算法所得的粒子集计算粒子特性值，并作为SVM-KDM的输入，一旦检测到“绑架”事件，使用扩展卡尔曼滤波器（EKF）融合惯性测量单元（IMU）和里程计（Odom）的数据估计机器人的新位姿；最后，使用AMCL算法进行粒子预测、更新和重采样，最终实现机器人的重新定位。相较于自恢复蒙特卡洛定位（SR-MCL）算法，绑架后恢复定位所需的更新减少了4.1次，重定位的成功率提高了3个百分点。实验结果验证了所提算法在解决移动机器人的定位“绑架”问题方面具有更高的效率和成功率。

来源：2024年第10期

《计算机应用》期刊编辑部

查看计算机应用杂志2024年第10期