موقعیت یابی ربات متحرک مبتنی بر فیلتر کالمن بی رد و الگوریتم مسیریابی درخت تصادفی

این پژوهش به مقایسه عملکرد الگوریتم فیلتر کالمن بی رد (UKF) و فیلتر کالمن توسعه یافته (EKF) در تخمین موقعیت ربات متحرک می پردازد. علاوه بر این، یک استراتژی ناوبری برای ربات متحرک ارائه می شود که الگوریتم برنامه ریزی مسیر درخت تصادفی (RRT) را برای ایجاد مسیرهای بهینه در محیط های داخلی ادغام می کند. هدف از این ادغام طراحی مسیر رهایی با در نظر گرفتن محدودیت های ایمنی و محیطی است. نتایج این تحقیق نشان می دهد که الگوریتم UKF در مقایسه با EKF عملکرد بهتری در تخمین موقعیت ربات متحرک از خود نشان می دهد. همچنین ادغام رویکرد UKF با الگوریتم RRT منجر به کاهش تجمع عدم قطعیت در طول فرآیند موقعیت یابی و تسهیل برنامه ریزی مسیر دقیق به سمت هدف می گردد. این پژوهش با ارائه یک دیدگاه مقایسه ای به درک بهتر کارایی الگوریتم های UKF و EKF در کاربردهای ناوبری ربات های متحرک کمک می کند.

کلیدواژه ها:

فیلتر کالمن توسعه یافته ، فیلتر کالمن بیرد ، موقعیت یابی ربات متحرک ، الگوریتم برنامه ریزی مسیر درخت تصادفی