排爆机器人自适应蒙特卡罗定位技术研究

特卡罗定位算法很好地解决了机器人在已知地图中的全局定位问题。随着机器人的运动，粒子逐渐集中在*正确的位姿上，其余位姿上的粒子逐渐消失。实际上，这种随机播子的算法也有可能在重采样过程中出现错误，导致正确位姿附近的粒子被抛弃，而这种会失是无法恢复修正的。

蒙特卡罗定位技术虽然能够解决大多数的全局地图定位问题，但是不能从机器人“道到绑架”或全局定位失效中恢复。定位过程中，在播撒粒子以获取机器人位置的同时，那些不在机器人*可能位置处的粒子会逐渐消失。在真实情况下，任何随机算法(如蒙特卡罗定位算法)在重采样步骤中都有可能意外地丢弃所有正确位置附近的粒子，特别是当粒子数较少，且粒子扩散到较大空间时，这种情况尤为严重。*通过简单的探索算法可以解决上述问题，探索算法的基本思想是增加随机粒子到粒子集合。通过假设机器人可能以小概率“遭到绑架”，注人一些随机粒子，从而在运动模型上产生一些随机状态，即使机器人“不被绑架”，随机粒子也能提升定位的鲁棒性。

当然，也可以通过在迭代中添加随机粒子来解决上述问题，在运动学方程中产生一小部分随机状态，增强算法整体的鲁棒性。但是，随机粒子的添加首先要解决两个问题：

①添加多少粒子到每次迭代中；

②这些粒子的分布应该按照何种模型进行分布。