基于粒子群优化的Rao-Blackwellized粒子滤波SLAM算法

为了实现在高相似度环境中移动机器人精确高效的自定位与建图，提出了一种基于粒子群优化（ PSO）的Rao-Blackwellized粒子滤波同步定位与地图构建（ SLAM）算法。利用激光扫描数据校正里程计信息，得到多模态的似然函数，克服相似环境对机器人定位的影响；利用粒子群优化算法提高常规粒子滤波器的估计性能，使得高似然采样集向各个后验概率密度分布取值极大的区域运动，同时保持低似然粒子多样性，从而在一定程度上克服粒子贫乏问题，并且显著地降低精确定位所需的粒子数。对所提算法与Gmapping算法在MIT数据集上进行仿真对比实验，结果表明了该算法的可行性和有效性。