摘要：同时定位与地图创建(the simultaneous localization and mapping,SLAM)是机器人领域的难点问题,目前广泛采用Rao-Blackwellized Particle Filters(RBPF)算法解决该问题.在传统的RBPF算法实现中构建的高误差建议分布会采样计算大量粒子来拟合目标分布,频繁的重采样步骤导致粒子逐渐耗散,浪费大量计算资源.在本文中通过把运动模型信息与观测信息相结合优化建议分布,减少采样粒子数量,引入自适应重采样方法减少重采样步骤.在算法的实现时使用树形数据结构存储环境地图,实验结果表明,该改进算法可以显著计算效率,减小存储消耗,构建地图更为精确.

注：因版权方要求，不能公开全文，如需全文，请咨询杂志社