بهبود عملکرد FastSLAM با بکارگیری الگوریتم هوشمند تکاملی در گام بازنمونه‌برداری
کد مقاله : 1237-CFIS (R1)
نویسندگان:
درنا محمدی *1، مجتبی برخورداری یزدی2، حسین نظام آبادی پور3
1دانشجوی کارشناسی ارشد دانشگاه باهنر کرمان ، گروه برق کنترل، دانشکده فنی و مهندسی، دانشگاه شهید باهنر کرمان، کرمان، ایران
2استادیار دانشگاه شهید باهنر کرمان گروه برق کنترل، دانشکده فنی و مهندسی، دانشگاه شهید باهنر کرمان، کرمان، ایران
3استاد دانشگاه شهید باهنر کرمان، گروه برق مخابرات-الکترونیک، دانشکده فنی و مهندسی، دانشگاه شهید باهنر کرمان، کرمان، ایران
چکیده مقاله:
الگوریتم FastSLAM یکی از الگوریتم‌های کارآمد مبتنی بر فیلتر ذره‌ای است که برای حل مسئله موقعیت‌یابی و نقشه‌برداری هم‌زمان ربات مورد استفاده قرار می‌گیرد. یکی از عوامل تاثیرگذار در بهبود عملکرد FastSLAM استفاده از روش‌هایی در گام بازنمونه‌برداری است که در این گام حفظ تنوع ذرات مهم است. الگوریتم FastSLAM به دلیل استفاده از فیلتر ذره‌ای معمول دچار تباهیدگی می‌شود. این مسئله به دلیل از بین رفتن تنوع ذرات و مواجه شدن با مسئله فقر نمونه رخ می‌دهد. در این مقاله، الگوریتم FastSLAM2.0 با استفاده از یک روش هوشمند تکاملی در گام بازنمونه‌برداری، بهبود یافته‌است. بکارگیری این روش موجب مقابله با مسئله فقرنمونه خواهد شد و در نتیجه تنوع ذرات حفظ می‌شود. اعتبار روش پیشنهادی با استفاده از شبیه‌سازی ارزیابی شده‌است. نتایج آزمایش‌ها و مقایسه با الگوریتم پایه نشان‌دهنده‌ی عملکرد بهتر روش پیشنهادی نسبت به عملکرد FastSLAM2.0 معمول است و از نظر خطای موقعیت بهبود یافته‌است.
کلیدواژه ها:
FastSLAM، الگوریتم هوشمند تکاملی، فیلتر ذره‌ای، موقعیت‌یابی و نقشه‌برداری هم‌زمان
وضعیت : مقاله برای ارائه شفاهی پذیرفته شده است