بهبود سرعت یک روش مسیریابی ربات متحرک با شناخت همزمان مکان و نقشه

امید دهاقین; کمال جمشیدی

بهبود سرعت یک روش مسیریابی ربات متحرک با شناخت همزمان مکان و نقشه

Publish place: National Conference of Technology, Energy & Data on Electrical & Computer Engineering

Publish Year: 1394

Type: Conference paper

Language: Persian

This Paper With 8 Page And PDF Format Ready To Download

DOWNLOAD Paper

Certificate
I'm the author of the paper

Export:

Link to this Paper:

https://civilica.com/doc/396186

Document National Code:

TEDECE01_265

Index date: 21 November 2015

بهبود سرعت یک روش مسیریابی ربات متحرک با شناخت همزمان مکان و نقشه abstract

روشهای بسیاری برای مسیریابی ربات با شناخت همزمان مکان و نقشه استفادهشدهاست، FASTSLAM2.0 که بر پایهی توزیع ذرات میباشد، یکی از این روشهااست و دقت بسیار خوبی نسبت به سایر روشها دارا میباشد، این روش برپایهی فیلترهای کالمن و زنجیرهی مارکوف میباشد. روشهای بر پایهی توزیع ذرات از مجموعه مراحلی تشکیل شدهاند، براساس شبیهسازیهای انجام شده محاسبهی وزن ذرات و بروز رسانی نقشه بیشترین زمان را دارا میباشند. برای کاهش زمان بروزرسانی نقشه از ساختارهای دادهای همچون درخت جستجوی دودویی استفادهشدهاست و برای محاسبهی وزن با توجه به آنکه ذرات موجود در توزیع ذرات و نشانههای مسیر دو مشخصهی محاسبهی وزن میباشند و از طرف دیگر با توجه به شرط استقلال در نشانهها و ذرات در FAST SLAM2.0 ، استفاده نمودن از پردازندههای موازی میتواند مقدار زمبن رااز واحد ثانیه به میلی و یا میکرو ثانیه تبدیل کند. در این نوشتار سعی شده اسبت با بیان کلی روش FASTSLAM2.0 و مراحل انجام آن، مقایسهای میان سرعت انجام محاسبهی وزن در یک دوره در پردازندهی مرکزی و پردازندهی گرافیکی انجام شود و با نتایج بدست آمده با پژوهشی مشابه مقایسه شود. برای بروز رسانی نقشه نیز مقایسهای میان درخت سستوسوی دودویی و استفاده از فیلترهای کالمن توسعهیافتبه انجام شدهاست

بهبود سرعت یک روش مسیریابی ربات متحرک با شناخت همزمان مکان و نقشه Keywords:

پردازنده گرافیکی , درخت جستوجو , توزیع ذرات , نخ , وزن ذرات

بهبود سرعت یک روش مسیریابی ربات متحرک با شناخت همزمان مکان و نقشه authors

امید دهاقین

دانشگاه اصفهان

کمال جمشیدی

دانشگاه اصفهان

مراجع و منابع این Paper:

لیست زیر مراجع و منابع استفاده شده در این Paper را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود Paper لینک شده اند :

R.C. Smith, and P.Cheeseman, "On the representation and estimation of ...

J.J. Leonard, and H _ F .Durrant-Whyte, "Simultaneous map building ...

F.Dellaert, D.Fox, W.Burgard, and S.Thrun, "Monte carlo localization for mobile ...

K.Murphy, "Bayesian map learing _ dynamic enviromments, " Advances in ...

M.Montemerlo, S.Thrun, D.Koller, and B.Wegbreit, "FastSLAM: ...

Intelligence, pp. 593-598. Menlo Park, CA; Cambridge, MA; London; AAAI ...

C.Stachniss, G.Grisetti, and W.Burgard, "Recovering particle diversity in a Rao ...

G.Grisetti, G.D.Tipaldi, C.Stachniss, W.Burgard and D.Nardi, "Fast and accurate slam ...

M.Montemerlo, S.Thrun, D.Koller and B.Wegbreit, "FastSLAM 2.0: An improved particle ...

A.Doucet, S.Godsill and C.Andrieu, "On sequential Monte Carlo ...

_ _ _ _ _ International Conference om ...

K. Par and O. Tosun, "Parallelization of particle filter based ...

Symposium (IV 2011), pp.820-826. ...

E. Lindholm, J. Nickolls, S. Oberman, J. Montrym, "NVIDIA _ ...

_ .D.O.Anderson, J.B.Moore and J.Barratt, "Optimal filtering, " ...

M. Mahmita, S. R. aich, "Study of Kalman, Extended Kalamn ...

_ _ _ _ the Simultaneous Localization and Mapping Problem ...

نمایش کامل مراجع