本发明涉及一种优化的自适应蒙特卡罗定位方法、装置和介质，属于机器人定位。
背景技术：
1、自适应蒙特卡罗定位作为一种常用的机器人定位算法，基于粒子滤波器原理，通过维护一组粒子来估计机器人在环境中的位置和姿态。这一技术在机器人导航、自动驾驶、物流机器人等多个领域具有广泛应用前景。自适应蒙特卡罗定位算法（amcl）通过维护一组粒子，每个粒子代表一个可能的位置假设，并根据传感器数据不断更新粒子的权重和分布，从而逼近机器人的真实位置。该算法在动态和复杂环境中表现出良好的适应性，但其计算复杂度较高，特别是在粒子数量较多时，对计算资源的需求显著增加。
2、在现有技术中，已有一些方法尝试通过减少粒子数量或优化粒子分布来降低amcl的计算复杂度。然而，这些方法在复杂环境中往往难以保证定位精度，特别是在机器人需要高精度定位的场景下，如自动驾驶、精密制造等。此外，针对静态环境下机器人静止不动时的定位更新问题，目前尚无有效的解决方案。传统方法可能在机器人静止时停止更新定位信息，导致定位精度随时间逐渐下降。
技术实现思路
1、本发明目的是提供了一种优化的自适应蒙特卡罗定位方法、装置和介质，提升机器人在复杂环境中的定位效率，在机器人静止时保持定位精度，满足各种高精度定位需求的应用场景。
2、本发明为实现上述目的，通过以下技术方案实现：
3、计算粒子的方差和有效粒子数量，并加权融合得到总置信度；
4、根据当前定位的置信度和环境的变化情况，动态调整粒子数量；如果定位误差大于设定的高误差阈值，则增加粒子集合的容量并更新粒子集；如果定位误差小于设定的低误差阈值，则减少粒子集合的容量并更新粒子集；
5、机器人静止时，如果停止时间超过设定的停止阈值，则触发定位更新；
6、采集传感器数据，基于传感器数据优化粒子的权重。
7、优选的，所述粒子的方差值小表示置信度高，具体公式如下：
8、，
9、其中，表示粒子的方差，表示当前粒子的x轴坐标，表示当前粒子的y轴坐标，表示每个粒子的x坐标累加值，表示每个粒子的y坐标累加值，表示粒子集合总数。
10、优选的，所述有效粒子数量用于判断粒子滤波器的退化程度，有效粒子数量值高表示置信度高，具体计算方式如下：
11、，
12、其中，表示有效粒子数量，表示每个粒子权重和，表示每个粒子权重二次方的和。
13、优选的，机器人静止时，如果停止时间超过设定的停止阈值，则在当前位置附近播撒采样点，执行定位，并重置定时器，将停止时长设置为0。
14、优选的，所述传感器数据包括雷达传感器和视觉传感器。
15、优选的，基于传感器数据优化粒子的权重具体方式如下：
16、，
17、其中，表示粒子总权重，表示雷达扫描点和地图匹配程度计算的雷达数据权重，表示根据视觉图形匹配当前视觉特征地图计算的视觉数据权重，表示雷达权重系数，表示视觉权重系数。
18、优选的，所述雷达扫描点和地图匹配程度计算的雷达数据权重计算方式如下：
19、将雷达当前帧点集根据定位信息映射到点云地图中，使用最临近搜索方法搜索雷达点集中每个点在地图中对应的最近点，计算每一对点的欧氏距离，计算所有点的平均误差距离，表示地图中点的数量；
20、归一化处理：；
21、所述根据视觉图形匹配当前视觉特征地图计算的视觉数据权重计算方式如下：
22、对当前帧视觉图像提取特征点集，将当前帧特征点集根据定位信息映射到视觉特征地图中，使用最临近搜索方法找到特征点集中每个点在地图中对应的最近点，计算每一对点的欧氏距离,计算所有点的平均误差距离，表示视觉图像中电的数量；
23、归一化处理：。
24、一种优化的自适应蒙特卡罗定位装置，包括处理器和存储有程序指令的存储器，所述处理器被配置为在运行所述程序指令时，执行所述的优化的自适应蒙特卡罗定位方法。
25、本发明的优点在于：通过自适应调整粒子数量显著提高了计算效率；通过定期触发定位更新增强了静态环境下的定位精度；通过多传感器融合增强了整体定位的鲁棒性和准确性。引入自适应粒子数量调整和静态环境下的定期更新机制，显著提高了amcl算法在复杂和静态环境中的适应能力和性能表现。优化后的方法不仅能够降低计算复杂度，提高定位效率，还能在机器人静止时保持定位精度。
1.一种优化的自适应蒙特卡罗定位方法，其特征在于，包括：
2.根据权利要求1所述的优化的自适应蒙特卡罗定位方法，其特征在于，所述粒子的方差值小表示置信度高，具体公式如下：
3.根据权利要求1所述的优化的自适应蒙特卡罗定位方法，其特征在于，所述有效粒子数量用于判断粒子滤波器的退化程度，有效粒子数量值高表示置信度高，具体计算方式如下：
4.根据权利要求1所述的优化的自适应蒙特卡罗定位方法，其特征在于，机器人静止时，如果停止时间超过设定的停止阈值，则在当前位置附近播撒采样点，执行定位，并重置定时器，将停止时长设置为0。
5.根据权利要求1所述的优化的自适应蒙特卡罗定位方法，其特征在于，所述传感器数据包括雷达传感器和视觉传感器。
6.根据权利要求5所述的优化的自适应蒙特卡罗定位方法，其特征在于，基于传感器数据优化粒子的权重具体方式如下：
7.根据权利要求6所述的优化的自适应蒙特卡罗定位方法，其特征在于，所述雷达扫描点和地图匹配程度计算的雷达数据权重计算方式如下：
8.一种优化的自适应蒙特卡罗定位装置，包括处理器和存储有程序指令的存储器，其特征在于，所述处理器被配置为在运行所述程序指令时，执行如权利要求1-7任一所述的优化的自适应蒙特卡罗定位方法。
9.一种计算机可读存储介质，其特征在于，其上存储有计算机程序，该程序被处理器执行时实现如上述权利要求1-7任一所述的方法。
