基于粒子滤波的机器人主动定位算法

常天莉，黄浩晖，陈 玮

(广东工业大学 自动化学院，广东 广州 510006)

0 引 言

移动机器人定位问题[1]作为机器人系统中最重要的部分已经被研究多年。在足球机器人领域，机器人需要独自或者协同在同一坐标系系统里执行一系列任务，因此根据有限的环境信息预测机器人的当前位置是非常重要的。

过去针对移动机器人全局定位的求解问题，卡尔曼滤波定位算法(Kalman filter localization)[2]、马尔卡夫定位算法(Markov localization)[3]、以及蒙特卡罗定位算法(Monte Carlo localization)[4]等都得到了广泛的应用。然而上述定位算法都属于被动定位算法，即机器人在环境中随机移动，根据传感器随机获取的环境信息进行定位，这样就会降低系统的定位效率；对于具有多个局部相似或对称的环境特征，甚至不能求出机器人的正确位置。

针对上述问题，基于马尔科夫定位算法的主动定位算法[3]可以很好地提高机器人定位系统的性能，该算法通过选择机器人的行为使得机器人对位置估计的不确定性期望值达到最小，即机器人通过该算法可以选择有利于识别不同位置的行为。然而该算法只考虑了执行下一个行动单位时对状态环境的预估，考虑到机器人可能需要移动到较远的位置或者通过多次迭代计算才能唯一确定它的位置，这种算法的求解深度是不够的。因此学者们对主动定位算法不断进行改进[5]，通过使用启发信息，主动控制机器人的运动路径，使机器人能够区别不同的粒子簇，最终使机器人能收敛于真实的位置。……