基于支持向量机的自恢复自适应蒙特卡洛定位算法.pdfVIP

JournalofComputerApplicationsISSN1001⁃90812024⁃10⁃10

计算机应用,2024,44(10):3246-3251CODENJYIIDUhttp：//www.joca.cn

文章编号：1001-9081（2024）10-3246-06DOI：10.11772/j.issn.1001-9081.2023101389

基于支持向量机的自恢复自适应蒙特卡洛定位算法

1，222*

乔恩保，高向阳，程俊

（1.广西高校先进制造与自动化技术重点实验室（桂林理工大学），广西桂林541006；

2.中国科学院深圳先进技术研究院，广东深圳518055）

（∗通信作者电子邮箱jun.cheng@siat.ac.cn）

摘要：机器人定位技术对智能机器人的高效、精确和安全运行至关重要，然而在实际的定位过程中，机器人常面

临“绑架”问题。为了应对这一难题，提出一种基于支持向量机（SVM）的自恢复自适应蒙特卡洛定位（SVM-SRAMCL）

算法。首先，构建用于识别机器人“绑架”状态的检测模型——基于SVM的绑架检测模型（SVM-KDM）；其次，通过自

适应蒙特卡洛定位（AMCL）算法所得的粒子集计算粒子特性值，并作为SVM-KDM的输入，一旦检测到“绑架”事件，使

用扩展卡尔曼滤波器（EKF）融合惯性测量单元（IMU）和里程计（Odom）的数据估计机器人的新位姿；最后，使用AMCL

算法进行粒子预测、更新和重采样，最终实现机器人的重新定位。相较于自恢复蒙特卡洛定位（SR-MCL）算法，绑架

后恢复定位所需的更新减少了4.1次，重定位的成功率提高了3个百分点。实验结果验证了所提算法在解决移动机

器人的定位“绑架”问题方面具有更高的效率和成功率。

关键词：移动机器人；拓展卡尔曼滤波器；支持向量机；定位恢复；自适应蒙特卡洛定位

中图分类号：TP242.6文献标志码：A

Self-recoveryadaptiveMonteCarlolocalizationalgorithmbasedon

supportvectormachine

1，222*

QIAOEnbao，GAOXiangyang，CHENGJun

（1.KeyLaboratoryofAdvancedManufacturingandAutomationTechnology（GuilinUniversityofTechnology），

GuilinGuangxi541006，China；

2.ShenzhenInstituteofAdvancedTechnology，ChineseAcademyofSciences，ShenzhenGuangdong518055，China）