摘要
针对传统粒子滤波算法(particle filter,PF)重采样导致粒子贫乏,以及需增加粒子数提高估计精度的问题,提出一种基于多策略人工兔算法优化的粒子重组滤波算法.引入中垂线算法提高人工兔算法收敛速度,通过其觅食与隐藏机制,使得最优粒子引导粒子集向高似然区域移动,以此提高估计精度;实时计算最优粒子附近的粒子密度,当密度大于设置的阈值时,自适应调整迭代次数,当大于最大密度值时,引入自扰动策略避免陷入局部最优以及增加样本多样性;重采样阶段,将筛选后保留的粒子与剩余粒子重新组合成新的粒子,以此增加粒子多样性.通过仿真检验改进算法在SLAM中的性能,结果表明:该算法与其他3 种算法相比,位姿与路标估计精度更高,鲁棒性更佳.
国家科技期刊平台
NSTL
万方数据