改进 ＲBPF 的移动机器人同步定位与地图构建

        摘 要: 传统 Ｒao-Blackwellized 粒子滤波器( ＲBPF ) 在移动机器人同步定位与地图构建( SLAM ) 研究中，存在算法复杂 度过高 、 占用内存空间过多导致实时性不理想的问题，因此提出一种改进算法 。 在某一特定状态的一组粒子集中，粒子 的统计特性是一致的，改进算法从中选取一个代表粒子，进行卡尔曼更新步骤，并在同一粒子集中重复使用 。 同时结合 Gmapping 算法的建议分布和自适应重采样技术 。 实际 Pioneer III 移动机器人在机器人操作系统( ＲOS ) 平台上进行的 实验表明，该方法在保证栅格地图精度的同时能提高系统的实时性，降低复杂度，提高运算速度 。