الگوریتم C-SLAM تطبیقی در محیط دینامیک

سال انتشار: 1399
نوع سند: مقاله ژورنالی
زبان: فارسی
مشاهده: 363

فایل این مقاله در 7 صفحه با فرمت PDF قابل دریافت می باشد

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

JR_TUMECHJ-50-1_002

تاریخ نمایه سازی: 17 دی 1399

چکیده مقاله:

در دهه اخیر توجه محققین به حل مسئله خودکار سازی وسائل نقلیه معطوف بوده است و پژوهش های بسیاری برای حل چالش های موجود در این حوزه نشر شده است. یکی از ارکان مهم و پایه در این حوزه مسئله موقعیت یابی و نقشه برداری همزمان در یک محیط ناشناخته می باشد که به اختصار از آن به‌عنوان SLAM یاد می شود. تاکنون روش هایی برای حل این مسئله ارائه شده است اما تعداد کمی از این تحقیقات بر روی پلتفرم ربات های همکار صورت پذیرفته است. در این مقاله به معرفی SLAM در پلتفرم ربات های همکار در بستر فیلتر کالمن توسعه یافته پرداخته شده است و با توجه به عدم دانش نسبت به کوواریانس نویز اندازه‌گیری، المان‌های این ماتریس با توجه به داده های واقعی حس‌گر با استفاده از روش بیهنه سازی هوشمند ازدحام ذرات تطبیقی می‌شوند. سپس برای حل این مسئله در محیط دینامیک از فیلتر چگالی فرض احتمال برای دنبال کردن موانع دینامیک در محدوده دید ربات ها استفاده می شود. در انتها کارایی الگوریتم در محیط نرم افزار متلب مورد ارزیابی قرار گرفته است.

کلیدواژه ها:

فیلتر کالمن توسعه یافته ، فیلتر چگالی فرض احتمال ، ربات‌های همکار

نویسندگان

سهیل اسپهبدی نیا

دانشجو، گروه مهندسی مکانیک، دانشگاه علم و صنعت ایران، تهران، ایران

اسماعیل خان میرزا

استادیار، گروه مهندسی مکانیک، دانشگاه علم و صنعت ایران، تهران، ایران

مراجع و منابع این مقاله:

لیست زیر مراجع و منابع استفاده شده در این مقاله 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 مقاله لینک شده اند :
  • [1]     Durrant Whyte., H.F., Uncertain geometry in robotics. IEEE Journal on ...
  • [2]     Smith RC., Cheeseman P., On the representation and estimation ...
  • [3]     Durrant Whyte., Bailey T., Simultaneous localization and mapping: part ...
  • [4]     Rocha., Rui Paulo Pinto., Building Volumetric Maps with Cooperative ...
  • [5]     Andersson LA., Nygards J., On multi-robot map fusion by ...
  • [6]     Mehra R., Approaches to adaptive filtering. IEEE Transactions on ...
  • [7]     Loebis D., Sutton R., Chudley J., Naeem W., Adaptive ...
  • [8]     Wu ZQ., Harris CJ., An adaptive neurofuzzy Kalman filter. ...
  • [9]     Chatterjee A., Matsuno F., A neuro-fuzzy assisted extended Kalman ...
  • [10] Mahler RP., Multitarget Bayes filtering via first-order multitarget moments. ...
  • [11] Mahler RP., Statistical multisource-multitarget information fusion. Norwood, MA: Artech ...
  • [12] Vo BN., Ma WK., The Gaussian mixture probability hypothesis ...
  • [13] Dissanayake MG., Newman P., Clark S., Durrant-Whyte., Csorba M., ...
  • [14] Mehra R., On the identification of variances and adaptive ...
  • [15] Zeugmann Thomas., Pascal Poupart., James Kennedy., Xin Jin., Jiawei ...
  • [16] Bar-Shalom Y., Fortmann TE., Tracking and Data Association. Mathematics ...
  • [17] Mahler RP., Advances in Statistical Multisource-Multitarget Information Fusion, 2014. ...
  • [18] Wang CC., Thorpe C., Thrun S., Hebert M., Durrant-Whyte. ...
  • نمایش کامل مراجع