面向可靠葡萄园机器人定位的语义感知粒子滤波

准确定位对于结构化户外环境中的移动机器人至关重要，但基于 LiDAR 的方法在葡萄园中常因重复的行几何结构和感知混叠而失效。我们提出了一种语义粒子滤波，将稳定的物体级检测结果——特别是葡萄树干和支撑杆——纳入似然估计过程。检测到的地标被投影到鸟瞰视角，并与 LiDAR 扫描融合以生成语义观测。关键创新在于使用语义墙，将相邻地标连接成伪结构约束，以缓解行混叠问题。为了在语义稀疏的地头区域保持全局一致性，我们引入了一个带噪声的 GPS 先验来自适应地支持滤波器。在实际葡萄园中的实验表明，我们的方法能在正确的行内保持定位，在 AMCL 失效时从偏差中恢复，并优于基于视觉的 SLAM 方法如 RTAB-Map。