.png){kind=icon}
返回
An Improved Adaptive Monte Carlo Localization Algorithm Integrated with a Virtual Motion Model
.png){kind=icon}
OA
AI
DOI：10.3390/s25082471.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
针对自适应蒙特卡洛定位（AMCL）算法对里程计高度依赖的问题，提出了一种基于正态分布变换（NDT）和扩展卡尔曼滤波（EKF）的改进AMCL算法。将虚拟运动模型引入AMCL框架，以实现机器人未移动时的位姿更新。NDT用于点云匹配以估计虚拟位移并计算虚拟控制量，这些量随后输入运动模型，在机器人未移动时预测和更新粒子状态。此外，为避免编码器误差和车轮打滑对运动状态估计的负面影响，EKF算法整合了轮式里程计和惯性测量单元的信息来估计机器人位移，从而提高定位精度和稳定性。所提算法在仿真和真实环境中进行了实验验证，并与其它定位算法进行了比较。实验结果表明，所提算法能够有效提升冷启动阶段的定位速度，并在整个定位过程中增强定位精度和稳定性。该方法是一种提升移动机器人定位性能的潜在方法。
Keyword:
mobile robot localization
adaptive Monte Carlo localization
normal distributions transform
extended Kalman filter
期刊
IF:
3.5
论文数:
7.2W
被引数:
20.9W
机构
引用论文
分享收藏Estimation of the state of a nonlinear process in the presence of nongaussian noise and disturbances
PREAI
分享收藏Interference aware path planning for mobile robots under joint communication and sensing in mmWave networks毫米波网络中考虑联合通信与感知的移动机器人抗干扰路径规划
PREAI
分享收藏Cost-Effective Fitting Model for Indoor Positioning Systems Based on Bluetooth Low Energy.png)
SENSORS
OAAI
SENSORSIF3.5
OAAI分享收藏A multi-sensor fusion positioning approach for indoor mobile robot using factor graph基于因子图的室内移动机器人多传感器融合定位方法MEASUREMENT
MEASUREMENTIF5.6
PREAI
分享收藏LSOS: An FG Position Method Based on Group Phase Ranging Ambiguity Estimation of BeiDou PseudoliteOAAI
OAAI分享收藏
查看更多内容