發(fā)布時間：2018-06-19 04:10

  本文選題：同時定位與地圖構(gòu)建 + Rao-Blackwellized粒子濾波器　； 參考：《計算機工程》2017年11期

【摘要】：為解決Rao-Blackwellized粒子濾波同時定位與地圖構(gòu)建方法中存在的粒子退化和粒子耗盡現(xiàn)象,提出一種同時定位與地圖構(gòu)建優(yōu)化方法。為緩解粒子退化,通過區(qū)域粒子群優(yōu)化方法調(diào)整粒子的建議分布,把粒子集聚類成多個區(qū)域,計算每個區(qū)域的加權(quán)中心位置,對區(qū)域內(nèi)粒子進行粒子群優(yōu)化操作使得粒子向區(qū)域中心位置移動。在重采樣過程中,給出一種部分高斯重采樣算法,只對權(quán)值過高或過低的粒子進行重采樣。實驗結(jié)果表明,與MT-GMapping方法相比,改進方法可以通過更少的粒子得到精度更高的地圖,滿足實際使用的需求。
[Abstract]:In order to solve the problem of particle degradation and particle depletion in Rao-Blackwellized particle filter simultaneous localization and map construction, an optimization method for simultaneous localization and map construction is proposed. In order to mitigate the degradation of particles, the proposed distribution of particles is adjusted by regional particle swarm optimization (RPSO), and the particle clusters are classified into multiple regions, and the weighted center positions of each region are calculated. Particle swarm optimization (PSO) in the region makes the particle move to the center of the region. In the process of resampling, a partial Gao Si resampling algorithm is presented, which only resamples particles with too high weight or too low weight. The experimental results show that compared with the MT-G Mapping method, the improved method can obtain a map with higher accuracy by using fewer particles and meet the practical needs.
【作者單位】： 南京理工大學智能機器人研究所;
【基金】：“核高基”重大專項(2015ZX01041101) 國家自然科學基金青年基金(61305134) 國家教育部博士點基金(20133219120035)
【分類號】：TP18;TP242

【相似文獻】

相關(guān)期刊論文 前10條

1 戴冬雪,王祁,阮永順,王曉超;基于混沌思想的粒子群優(yōu)化算法及其應(yīng)用[J];華中科技大學學報(自然科學版);2005年10期

2 李紹軍;王惠;錢鋒;;基于模式優(yōu)選思想改進的粒子群優(yōu)化算法[J];控制與決策;2006年10期

3 蘇俊霞;蔚承建;;基于粒子群優(yōu)化算法的自動機制設(shè)計[J];計算機工程與應(yīng)用;2007年04期

4 何妮;吳燕仙;;粒子群優(yōu)化算法的研究[J];科技信息(科學教研);2008年06期

5 賀毅朝;王熙照;曲文龍;;一種具有雙重進化空間的擴展粒子群優(yōu)化算法[J];小型微型計算機系統(tǒng);2008年08期

6 吳剛;唐振民;楊靜宇;;序列蒙特卡羅框架中引入對數(shù)取樣的重采樣[J];計算機工程與應(yīng)用;2012年06期

7 于金霞;湯永利;許景民;;基于多樣性向?qū)У淖赃m應(yīng)重采樣粒子濾波研究[J];計算機科學;2012年06期

8 王正帥;鄧喀中;;基于文化框架的隨機粒子群優(yōu)化算法[J];計算機科學;2012年06期

9 馮紀強;溫雅;;粒子群優(yōu)化的模糊特征[J];現(xiàn)代電子技術(shù);2012年23期

10 田亞菲;張范勇;閻石;;基于粒子群優(yōu)化的細菌覓食優(yōu)化算法[J];控制工程;2012年06期

相關(guān)會議論文 前10條

1 ;An SLAM algorithm based on improved UKF[A];第24屆中國控制與決策會議論文集[C];2012年

2 徐俊杰;忻展紅;;基于增強型參考位置的粒子群優(yōu)化模型[A];’2004系統(tǒng)仿真技術(shù)及其應(yīng)用學術(shù)交流會論文集[C];2004年

3 王亞;于永光;耿玲玲;;一類改進的自適應(yīng)粒子群優(yōu)化算法對混沌系統(tǒng)未知參數(shù)的估計[A];中國力學大會——2013論文摘要集[C];2013年

4 Adizul Ahmad;Shoudong Huang;Jianguo Jack Wang;Gamini Dissanayake;;A New State Vector for Range-Only SLAM[A];Proceedings of the 2011 Chinese Control and Decision Conference（CCDC）[C];2011年

5 ;A Hybrid SLAM method for service robots in Indoor Environment[A];中國自動化學會控制理論專業(yè)委員會B卷[C];2011年

6 Bo He;Tao Zhang;Guijie Liu;;A New SLAM Algorithm Particle Filter-based for Autonomous Underwater Vehicle[A];proceedings of 2010 3rd International Conference on Computer and Electrical Engineering (ICCEE 2010 no.1)[C];2012年

7 王光輝;陳杰;潘峰;;多種群協(xié)同粒子群優(yōu)化算法求解動態(tài)環(huán)境優(yōu)化問題[A];第二十七屆中國控制會議論文集[C];2008年

8 ;AUV SLAM and Closed Loop Research in Large Scale Environment[A];2011年全國通信安全學術(shù)會議論文集[C];2011年

9 溫豐;柴曉杰;朱智平;董小明;鄒偉;原魁;;基于新型人工路標系統(tǒng)的視覺SLAM算法研究[A];第二十九屆中國控制會議論文集[C];2010年

10 王宇韜;方勇純;;魯棒單目視覺SLAM系統(tǒng)研究[A];中國自動化學會控制理論專業(yè)委員會C卷[C];2011年

相關(guān)博士學位論文 前10條

1 劉昊;多樣性增強的粒子群優(yōu)化算法及其應(yīng)用研究[D];北京理工大學;2015年

2 姜毅;動態(tài)環(huán)境下粒子群優(yōu)化算法的研究[D];武漢大學;2013年

3 Shafiullah Khan;粒子群優(yōu)化算法及其在電磁設(shè)計中的應(yīng)用[D];浙江大學;2017年

4 趙一路;人機交互環(huán)境下的主動SLAM及相關(guān)問題研究[D];復(fù)旦大學;2013年

5 苑全德;基于視覺的多機器人協(xié)作SLAM研究[D];哈爾濱工業(yè)大學;2016年

6 熊勇;粒子群優(yōu)化算法的行為分析與應(yīng)用實例[D];浙江大學;2005年

7 唐賢倫;混沌粒子群優(yōu)化算法理論及應(yīng)用研究[D];重慶大學;2007年

8 唐賢倫;混沌粒子群優(yōu)化算法理論及應(yīng)用[D];重慶大學;2007年

9 徐慧;粒子群優(yōu)化算法改進及其在煤層氣產(chǎn)能預(yù)測中的應(yīng)用研究[D];中國礦業(yè)大學;2013年

10 劉逸;粒子群優(yōu)化算法的改進及應(yīng)用研究[D];西安電子科技大學;2013年

相關(guān)碩士學位論文 前10條

1 陳卓;粒子群優(yōu)化算法的改進及在油藏數(shù)值模擬中的應(yīng)用[D];北京建筑大學;2015年

2 白云;基于粒子群優(yōu)化算法的復(fù)雜網(wǎng)絡(luò)社區(qū)挖掘[D];西北農(nóng)林科技大學;2015年

3 楊艷華;基于粒子群優(yōu)化支持向量機的網(wǎng)絡(luò)態(tài)勢預(yù)測模型研究[D];蘭州大學;2015年

4 鄭博;基于快速排序的多目標粒子群優(yōu)化算法的研究及應(yīng)用[D];鄭州大學;2015年

5 米永強;非線性規(guī)劃問題的混合粒子群優(yōu)化算法研究[D];寧夏大學;2015年

6 李建美;基于自適應(yīng)變異與文化框架的混沌粒子群優(yōu)化算法[D];陜西師范大學;2015年

7 劉星;基于粒子群優(yōu)化算法的特征選擇方法研究[D];南京大學;2015年

8 牛旭;動態(tài)粒子群優(yōu)化算法及其應(yīng)用[D];西安電子科技大學;2014年

9 葉華;粒子群優(yōu)化算法研究[D];西安電子科技大學;2014年

10 楊青河;基于優(yōu)化控制思想的粒子群優(yōu)化算法改進研究[D];東北大學;2013年

，

本文編號：2038363