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

移动机器人的改进无迹粒子滤波蒙特卡罗定位算法

宋宇 孙富春 李庆玲

宋宇, 孙富春, 李庆玲. 移动机器人的改进无迹粒子滤波蒙特卡罗定位算法. 自动化学报, 2010, 36(6): 851-857. doi: 10.3724/SP.J.1004.2010.00851
引用本文: 宋宇, 孙富春, 李庆玲. 移动机器人的改进无迹粒子滤波蒙特卡罗定位算法. 自动化学报, 2010, 36(6): 851-857. doi: 10.3724/SP.J.1004.2010.00851
SONG Yu, SUN Fu-Chun, LI Qing-Ling. Mobile Robot Monte Carlo Localization Based on Improved Unscented Particle Filter. ACTA AUTOMATICA SINICA, 2010, 36(6): 851-857. doi: 10.3724/SP.J.1004.2010.00851
Citation: SONG Yu, SUN Fu-Chun, LI Qing-Ling. Mobile Robot Monte Carlo Localization Based on Improved Unscented Particle Filter. ACTA AUTOMATICA SINICA, 2010, 36(6): 851-857. doi: 10.3724/SP.J.1004.2010.00851

移动机器人的改进无迹粒子滤波蒙特卡罗定位算法

doi: 10.3724/SP.J.1004.2010.00851
详细信息
    通讯作者:

    宋宇

Mobile Robot Monte Carlo Localization Based on Improved Unscented Particle Filter

More Information
    Corresponding author: SONG Yu
  • 摘要: 粒子滤波是移动机器人蒙特卡罗定位(Monte Carlo localization, MCL)的核心环节. 首先, 针对粒子滤波过程的粒子退化问题, 利用迭代Sigma点卡尔曼滤波来精确设计粒子滤波器的提议分布, 以迭代更新方式将当前观测信息融入顺序重要性采样过程, 提出IUPF (Improved unscented particle filter)算法. 然后, 将IUPF与移动机器人MCL相结合, 给出IUPF-MCL定位算法的实现细节. 仿真结果表明, IUPF-MCL是一种精确鲁棒的移动机器人定位算法.
  • 加载中
计量
  • 文章访问数:  2393
  • HTML全文浏览量:  59
  • PDF下载量:  1741
  • 被引次数: 0
出版历程
  • 收稿日期:  2009-01-04
  • 修回日期:  2009-11-12
  • 刊出日期:  2010-06-20

目录

    /

    返回文章
    返回