基于负信息的改进多假设定位算法.pdfVIP

清华大学学报(自然科学版)2008年第48卷第4期 11／40 !墨墨堕!!!Q：Q!§4 CN 11—2223／N。J Univ(SciTech)，2008，V01．48，No．4 495—497，501 Tsinghua 基于负信息的改进多假设定位算法 蔡怡昕， 赵明国， 石宗英， 徐文立 (清华大学自动化系，北京100084) 摘要：为了克服多假设定位算法在特征非唯一环境中假 决全局定位问题u’2J。 设数量大、收敛速度慢的问题，提出了利用负信忠的改进算 多假设定位是“数据驱动”的算法[2]。即只有当 法。改进算法首先分析“传感器未检测到环境特征”的事件为 “传感器检测到环境特征”的事件发生时，才根据传 定位提供的信患，建立与传感器模型类似的负信息模型。其 感器数据对位置估计进行校正，同时根据里程数据 次，在算法流程中考虑传感器数据中未包含期望特征和未收 推测位置。目前常见的机器人定位算法，比如基于网 到传感器数据的情况，在假设权重的评价中加入负信忠因 格的Markov定位、MonteCarlo定位等，都采用了 子，从数学形武上相当于增加一组独立传感器，为定位提供 了额外的信患。仿真实验表明，该算法能够减少假设数量，加 “数据驱动”的模式，对“传感器未检测到环境特征” 快算法收敛，并能够在特定条件下解决多假设定位算法无法 的情况不做处理。事实上，在环境地图已知的条件 唯一定位的问题。 下，。传感器未检测到环境特征”的事件也能提供有 关键词：智能机器人，机器人定位I多假设定位I负信息 关位置的信息，正如游客可以根据看不到天安门而 大致判断自己不在天安门广场。 中囝分类号：TP242．6 文献标识码：A 本文在多假设定位算法中加入对此类信息的利 文章编号：1000—0054(2008)04—0495—03 用，得到的改进算法能够减少定位过程中假设的数 量，加快算法收敛。 localization Multiplehypothesis using ‘ information 1 负信息 negative CAI Wenli 负信息是指“未检测到事件”提供的信息口]，即 Yixin，ZHAOMingguo，SHI Zongying，XU of University， 实际获取的传感器数据中未检测到期望特征时提供 (DepartmentAutomation，Tslngh,m Beijing100084，China) 的信息[I]。与检测到环境特征提供的信息类似，负信 Abstractl Amultiple 息也可用于对系统状态估计的校正。基于负信息的 hypothesislocalization(MHL)algorithm considersa