Resumen

El algoritmo de localización Monte Carlo adaptativo (AMCL) tiene una precisión de pose limitada debido a la no convexidad del modelo del sensor láser, las características complejas y no estructuradas del entorno de trabajo, la aleatoriedad del muestreo de partículas y el problema de selección de pose final. En este artículo, se propone un algoritmo AMCL mejorado, con el objetivo de construir un sistema de localización de robots basado en radar láser en un entorno complejo y no estructurado, con un proceso de emparejamiento de escaneo de nube de puntos LIDAR después del proceso de cálculo de puntuación de partículas. La pose media ponderada del enjambre de partículas AMCL se utiliza como pose inicial del proceso de emparejamiento de escaneo. La nube de puntos LIDAR se empareja con el mapa de rejilla de probabilidad de manera gradual utilizando el método de Gauss-Newton, lo que resulta en poses más precisas. Además, la pose de emparejamiento de escaneo se agrega al enjambre de partículas como una

• Materias:Big Data Restricciones distribuidas Algoritmo de inferencia Gestión administrativa
• Subjects:Big Data Distributed constraints Inference algorithm Administrative management
• Palabras claves:Adaptativo; Localización de Monte Carlo; Algoritmo; Modelo de sensor láser; Enjambre de partículas; Emparejamiento de escaneo
• Keywords:Adaptive; Monte carlo localization; Algorithm; Laser sensor model; Particle swarm; Scan matching