定位(Localization)作为移动机器人研究中最基础、最关键的问题之一,其结果直接影响到机器人预期任务的成功与否。实现精确、鲁棒、实时的定位,是移动机器人各项应用的先决条件。虽然目前普通场景下的机器人定位问题已基本得到解决,但在一些特殊情况下的定位仍然存在着一些问题。例如当机器人被恶意劫持,或者遭受意外撞击后,机器人通常会出现位姿突变,进而导致定位失效,最终使得机器人无法完成预期任务。因此若机器人出现上述情况,如何快速恢复其定位能力是一个亟待解决的问题,通常将机器人恢复定位的过程称为重定位(Relocation)。本课题便是移动机器人重定位方法的相关研究。本文针对目前基于二维激光雷达及粒子滤波的重定位研究中,存在的粒子采样效率低下等问题,提出基于多分辨率能量图、自适应粒子滤波、快速粒子集初始采样等技术相融合的改进重定位方法,优化了粒子采样过程,并加速粒子集的收敛效率。本文的主要工作如下:1)调研并分析本课题相关领域的国内外研究现状,并对机器人概率定位相关理论进行研究,为本课题的有效开展提供理论依据。2)提出多分辨率能量图的概念,并以此为基础实现一种重定位方法MEMSAMCL。该方法离线构建多分辨率二维能量图,利用回溯搜索算法,寻找与当前环境相似的区域SER;然后根据粒子集平均似然的变化,判断机器人是否被劫持;若机器人被劫持,便在SER中进行采样,得到全局粒子集以发现机器人的新位姿;同时维护一个局部粒子集,用于跟踪定位。最后通过相关对比实验,对该方法进行验证与分析。3)基于相似能量区SER,提出一种改进的粒子集初始采样技术,并通过与粒子集尺度动态调整技术的融合,实现一种自适应粒子滤波重定位方法KLD-MEMSAMCL。其可以随时间动态调整粒子数;可在无需移动机器人的情况下,进行初始位姿估计,并在估计出的位姿周围进行粒子集初始采样。最后通过相关对比实验,对该方法进行验证与分析。4)对本课题重定位系统所使用的软硬件平台进行简要介绍;将本课题KLDMEM-SAMCL重定位系统应用于机器人导航任务中,并通过实验对其定位能力做进一步的验证。