作者:胡章芳,曾林全,罗元,罗鑫,赵立明 单位:四川省计算机学会;中国科学院成都分院 出版:《计算机应用》2019年第04期 页数:5页  (PDF与DOC格式可能不同) PDF编号:PDFJSJY2019040100 DOC编号:DOCJSJY2019040109 下载格式:PDF + Word/doc 文字可复制、可编辑
《基于多传感器融合的移动机器人定位》PDF+DOC2019年第02期 何壮壮,丁德锐,王永雄 《面向动态高遮挡环境的移动机器人自适应位姿跟踪算法》PDF+DOC2015年第01期 王勇,陈卫东,王景川,肖鹏 《基于多信息融合的移动机器人定位算法》PDF+DOC2019年第09期 连黎明 《一种鲁棒的室内移动机器人定位方法》PDF+DOC2005年第04期 厉茂海,洪炳熔 《一种改进的移动机器人自定位算法》PDF+DOC2014年第01期 张琪,蒙禾青,周嵘,包琨超,王宗玉 《基于智能终端的移动机器人室内外无缝定位方法》PDF+DOC2018年第01期 赵国旗,杨明,王冰,王春香 《基于多传感器数据融合的移动机器人导航》PDF+DOC2000年第04期 肖海荣,富文军,张晓军,周风余,李贻斌,杨福广 《一种基于参考节点选择模型的无线传感器网络定位算法》PDF+DOC2011年第02期 李敏,罗挺,徐华 《环境特征提取在移动机器人导航中的应用》PDF+DOC2007年第03期 黄明登,肖晓明,蔡自兴,于金霞 《一种鲁棒的室外移动机器人定位方法》PDF+DOC2007年第04期 宗光华,邓鲁华,王巍
  • 蒙特卡洛定位(MCL)算法存在计算量大、定位精度差的问题,由于二维码具有携带信息的多样性、二维码识别的方便性与易用性的特点,提出一种融入二维码信息的自适应蒙特卡洛定位算法。首先,利用二维码提供的绝对位置信息修正里程计模型的累计误差后进行采样;然后,采用激光传感器提供的观测模型确定粒子的重要性权重;最后,因为重采样部分采用固定样本集会导致大计算量,所以利用Kullback-Leibler距离(KLD)进行重采样,根据粒子在状态空间的分布情况自适应调整下一次迭代所需粒子数,从而减小计算量。基于移动机器人进行的实验结果表明,改进算法与传统蒙特卡洛算法相比定位精度提高了15.09%,时间缩短了15.28%。

    提示:百度云已更名为百度网盘(百度盘),天翼云盘、微盘下载地址……暂未提供。