一种新的粒子滤波SLAM算法：改进方法让机器人大约行进10步完成基于局部已创建地图下的粒子滤波定位后,再利用激光传感器探测 环境并更新创建的地图;同时在利用粒子滤波定位时,使粒子只分布在由航位推算法得出的机器人位姿附近,从 而可有效地减少粒子的数量。实验结果表明,与标准的粒子滤波SLAM算法比较,改进算法提高了机器人SLAM 过程中定位和地图创建的精度和实时性,并为移动机器人在室外未知环境同时定位和地图创建提供了新方法。

针对移动机器人同时定位与地图构建中RBPF-SLAM算法因粒子匮乏而导致栅格地图估计不精确问题, 提出一种基于高斯分布重采样的RBPF-SLAM算法.首先, 根据粒子权重大小对重采样粒子进行排序; 然后, 在重采样中利用高斯分布分散高权重粒子得到新粒子, 从而保证粒子多样性, 避免粒子匮乏, 保证栅格地图的精确构建. 实验结果表明了所提出算法的有效性, 同时也证明该算法能在粒子数减少的条件下保持可靠的估计, 有效地减少了计算量.