基于改进包围盒的移动机器人安全避障控制技术研究OA

针对移动机器人在动态复杂环境中定位精度低、避障鲁棒性差和计算效率不足的问题,提出一种融合椭球包围盒(Ellipsoid Boundary Box,EBB)与自适应蒙特卡罗定位(Adaptive Monte Carlo Localization,AMCL)的避障控制算法EBBAMCL。通过协方差矩阵特征分解构建动态EBB,结合尺度因子调整策略实现多模态位姿分布的高精度表征;设计几何交叠与概率冲突双重检测机制,降低了冗余粒子生成率并提升了碰撞判定可靠性;利用Kullback-Leibler散度自适应采样与GPU并行计算优化了实时性。实验结果表明,与AMCL相比,所提算法的均方根误差(Root Mean Square Error,RMSE)降低了86.97%,定位失效次数减少了94.44%,最大耗时降低了69.53%;与PAMCL相比,RMSE降低了42.99%,耗时降低了58.06%。所提算法为动态环境下机器人高精度定位与避障提供了一种新的解决方案,参数自适应机制与异构计算优化策略为复杂场景下的自主导航提供了技术支撑。