1 西北师范大学物理与电子工程学院, 甘肃 兰州 730070
2 甘肃省智能信息技术与应用工程研究中心, 甘肃 兰州 730070
高效的定位算法是实现机器人自主运动的前提,由于激光模型受复杂环境的限制,传统自适应蒙特卡罗定位(AMCL)算法提供的位姿精度有限。提出一种增加扫描匹配(SM)和离散傅里叶变换(DFT)的优化AMCL算法,将传统AMCL的加权均值输出作为SM的初始值,通过构建激光雷达观测点与先验地图的匹配函数模型,利用高斯牛顿的方法优化求解,最终通过DFT滤波滤除位置处的小抖动,提升了系统的稳定性和鲁棒性。通过运动中的绝对定位实验和重复定位,实验验证了优化算法优于传统AMCL算法,优化算法有效提高了系统定位精度,同时保证了鲁棒性。
遥感 机器人定位 自适应蒙特卡罗定位算法 激光雷达 扫描匹配 高斯牛顿 激光与光电子学进展
2021, 58(20): 2028003
1 黄河科技学院信息工程学院电子系, 河南 郑州 450063
2 国家知识产权局专利局专利审查协作河南中心, 河南 郑州 450002
静态无线网络传感器在设计过程中并未考虑到节点的移动性问题,导致目前的节点定位算法不能满足动态无线传感器网络定位的需求。针对传统动态传感器网络节点定位策略定位精度低、算法复杂、响应时间长等缺点, 在MCL的基础上引入了航位推算法, 提出了一种改进的自适应蒙特卡罗, 将Voronoi图和权值融合在MCL算法的粒子过滤阶段中以提高算法的定位精度。仿真分析说明, 在相同条件下, 与 MCL 算法相比, 改进后的MCL算法平均定位精度提高约50%, 即使采样粒子数目较少时也能保证较高的定位精度。
动态无线传感器网络 节点定位 自适应蒙特卡罗 定位精度 dynamic wireless sensor networks node localization adaptive Monte Carlo positioning accuracy
