同时定位与地图构建(SLAM)是无人车自主导航领域的一个研究热点,FastSLAM进一步将问题分解为利用粒子滤波的“定位”和利用扩展卡尔曼滤波的“建图”,其中精确以及实时的“定位”功能是无人车运动系统的关键。本文针对无人车快速定位问题,重点研究了基于粒子滤波器的FastSLAM方法。同时,为解决FastSLAM算法所必须的模型以及传统FastSLAM方法中定位不精确等问题,提出了几种改进措施并基于MATLAB进行了仿真实验。主要研究内容包括:首先,提出了基于粒子群实时进化状态的种群动态分布策略(PSDE),定义了种群实时进化状态的判定标准,建立了PSDE-FastSLAM算法。同时,引入粒子多样性度量指标,通过仿真得到参数的最优取值并运用到后续的分析中。然后,针对PSDE-FastSLAM算法的不足,引入双变异算子(DM算子)重新定义动态种群分布策略,以增强变异粒子附近的搜索范围,建立了PSDE-FastSLAM-DM算法。同时对算法中的双变异率和动态惯性权重设计了仿真实验,得到参数的最优取值并运用到后续的计算中。此外,就DM算子与其他进化算子对算法的影响进行了仿真比较,结果证明了DM算子的优势。最后,选取路径偏差和运算时间两个评价指标,设计了基于PSDE-FastSLAM-DM定位算法的无人车仿真实验,并与多种算法进行了对比分析。结果表明本文提出的PSDE-FastSLAM-DM算法具有较好的定位精确性和快速性。