کاهش هم زمان خطای موقعیت ربات ونقشه توسط الگوریتم FastSLAM هوشمند و مقاوم بودن الگوریتم پیشنهادی در برابر افزایش نویز
Publish Year: 1397
نوع سند: مقاله کنفرانسی
زبان: Persian
View: 644
This Paper With 11 Page And PDF Format Ready To Download
- Certificate
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
CEITCONF02_116
تاریخ نمایه سازی: 27 اردیبهشت 1398
Abstract:
یکی از الگوریتم هایی که برای حل مسیله موقعیت یابی و نقشه برداری همزمان ربات مورد استفاده قرار می گیرد. FastSLAM است که از الگوریتم های کارآمد مبتنی بر فیلتر ذره ای است. یکی از عوامل تاثیرگذار در بهبود عملکرد FastSLAM استفاده از روش هایی در گام بازنمونه برداری است که موجب حفظ تنوع ذرات و مقابله با مسیله فقر نمونه خواهد شد. در این مقاله برای مقابله با مسیله فقر نمونه از یک روش هوشمند تکاملی در گام بازنمونه برداری استفاده شده است که منجر به حفظ تنوع ذرات می شود. اعتبار روش پیشنهادی با استفاده از شبیه سازی ارزیابی شده است. نتایج آزمایش ها و مقایسه با الگوریتم پایه نشان دهنده ی عملکرد بهتر روش پیشنهادی نسبت به عملکرد FastSLAM2.0 معمول است و از نظر خطای موقعیت و خطای نشانه بهبود یافته است. همچنین الگوریتم پیشنهادی در مقابل افزایش نویز مقاوم است.
Keywords:
Authors
درنا محمدی
دانشجوی کارشناسی ارشد برق کنترل دانشگاه شهید باهنر کرمان
مجتبی برخورداری یزدی
استادیار دانشگاه شهید باهنر کرمان
حسین نظام آبادی پور
استاد دانشگاه شهید باهنر کرمان