تعداد نشریات | 44 |
تعداد شمارهها | 1,303 |
تعداد مقالات | 16,020 |
تعداد مشاهده مقاله | 52,489,370 |
تعداد دریافت فایل اصل مقاله | 15,216,944 |
الگوریتم C-SLAM تطبیقی در محیط دینامیک | ||
مهندسی مکانیک دانشگاه تبریز | ||
مقاله 2، دوره 50، شماره 1 - شماره پیاپی 90، فروردین 1399، صفحه 9-15 اصل مقاله (568.29 K) | ||
نوع مقاله: مقاله پژوهشی | ||
شناسه دیجیتال (DOI): 10.22034/jmeut.2020.9690 | ||
نویسندگان | ||
سهیل اسپهبدی نیا1؛ اسماعیل خانمیرزا* 2 | ||
1دانشجو، گروه مهندسی مکانیک، دانشگاه علم و صنعت ایران، تهران، ایران | ||
2استادیار، گروه مهندسی مکانیک، دانشگاه علم و صنعت ایران، تهران، ایران | ||
چکیده | ||
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. | ||
کلیدواژهها | ||
فیلتر کالمن توسعه یافته؛ فیلتر چگالی فرض احتمال؛ رباتهای همکار | ||
مراجع | ||
[1] Durrant Whyte., H.F., Uncertain geometry in robotics. IEEE Journal on Robotics and Automation, 4(1), pp.23-31, 1988. [2] Smith RC., Cheeseman P., On the representation and estimation of spatial uncertainty. The international journal of Robotics Research, 1986. [3] Durrant Whyte., Bailey T., Simultaneous localization and mapping: part I. IEEE robotics & automation magazine, 2006. [4] Rocha., Rui Paulo Pinto., Building Volumetric Maps with Cooperative Mobile Robots and Useful Information Sharing: A Distributed Control Approach Based on Enthropy, 2006. [5] Andersson LA., Nygards J., On multi-robot map fusion by inter-robot observations. 12th International Conference on Information Fusion, 2009. [6] Mehra R., Approaches to adaptive filtering. IEEE Transactions on automatic control, 1972. [7] Loebis D., Sutton R., Chudley J., Naeem W., Adaptive tuning of a Kalman filter via fuzzy logic for an intelligent AUV navigation system. Control engineering practice, 2004. [8] Wu ZQ., Harris CJ., An adaptive neurofuzzy Kalman filter. InProceedings of IEEE 5th International Fuzzy Systems, 1996. [9] Chatterjee A., Matsuno F., A neuro-fuzzy assisted extended Kalman filter-based approach for simultaneous localization and mapping (SLAM) problems. IEEE Transactions on Fuzzy Systems, 2007. [10] Mahler RP., Multitarget Bayes filtering via first-order multitarget moments. IEEE Transactions on Aerospace and Electronic systems, 2003. [11] Mahler RP., Statistical multisource-multitarget information fusion. Norwood, MA: Artech House, 2007. [12] Vo BN., Ma WK., The Gaussian mixture probability hypothesis density filter. IEEE Transactions on signal processing, 2006. [13] Dissanayake MG., Newman P., Clark S., Durrant-Whyte., Csorba M., A solution to the simultaneous localization and map building (SLAM) problem. IEEE Transactions on robotics and automation, 2001. [14] Mehra R., On the identification of variances and adaptive Kalman filtering. IEEE Transactions on automatic control, 1970. [15] Zeugmann Thomas., Pascal Poupart., James Kennedy., Xin Jin., Jiawei Han., Lorenza Saitta., Michele Sebag., et al. Particle Swarm Optimization. In Encyclopedia of Machine Learning, 760–66. Boston, MA: Springer US, 2011. [16] Bar-Shalom Y., Fortmann TE., Tracking and Data Association. Mathematics in science and engineering, 1988. [17] Mahler RP., Advances in Statistical Multisource-Multitarget Information Fusion, 2014. [18] Wang CC., Thorpe C., Thrun S., Hebert M., Durrant-Whyte. Simultaneous localization and mapping and moving object tracking. The International Journal of Robotics Research, 2007. | ||
آمار تعداد مشاهده مقاله: 384 تعداد دریافت فایل اصل مقاله: 314 |