一种面向激光SLAM任务的自适应粒子滤波方法

本发明提出了一种面向激光SLAM任务的自适应粒子滤波方法，解决了传统粒子滤波算法在复杂环境下存在的计算效率瓶颈，动态环境适应性不足等问题。在粒子滤波预测阶段，通过引入粒子群优化算法(PSO)，利用其全局搜索能力优化粒子分布，并动态调整PSO的惯性权重和加速因子以增强算法在复杂动态环境中的适应性，有效避免陷入局部极值；在重采样阶段，结合KLD采样与选择性重采样方法，根据有效粒子数(ESS)和KL散度动态切换采样策略，并借助GPU加速重采样步骤提升计算效率。本发明在提升定位精度和建图效率方面具有显著优势，适用于复杂环境下的机器人导航与自主移动任务。