| 吴迎国,于春梅.基于差分进化的Unscented FastSLAM2.0算法[J].井冈山大学自然版,2016,(6):48-54 |
| 基于差分进化的Unscented FastSLAM2.0算法 |
| FASTSLAM2.0 ALGORITHM BASED ON UNSCENTED DIFFERENTIAL EVOLUTION ALGORITHM |
| 投稿时间：2016-07-10 修订日期：2016-09-23 |
| DOI：10.3969/j.issn.1674-8085.2016.06.011 |
| 中文关键词: 同时定位与地图构建 移动机器人 粒子滤波器 unscented卡尔曼滤波器 差分进化算法 |
| 英文关键词: simultaneous localization and map building (SLAM) mobile robot particle filter unscented Kalman filter differential evolution algorithm |
| 基金项目:特殊环境机器人技术四川省重点实验室开放基金项目（13zxtk06） |
| 作者 | 单位 | E-mail | | 吴迎国 | 西南科技大学信息工程学院,, 四川, 绵阳 621010
西南科技大学特殊环境机器人技术四川省重点实验室, 四川, 绵阳 621010 | | | 于春梅 | 西南科技大学信息工程学院,, 四川, 绵阳 621010
西南科技大学特殊环境机器人技术四川省重点实验室, 四川, 绵阳 621010 | yyycm70@qq.com |
|
| 摘要点击次数: 2092 |
| 全文下载次数: 2333 |
| 中文摘要: |
| 针对FastSLAM2.0算法中重采样过程带来的“粒子耗尽”问题，将差分进化引入进来，提出一种基于差分进化的无迹FastSLAM2.0算法。首先采用unscented粒子滤波器估计机器人的路径后验概率，然后采用扩展卡尔曼滤波器对环境路标进行估计和更新，最后引入改进的差分进化算法代替重采样过程来优化粒子。仿真实验表明，与FastSLAM2.0算法相比，该方法提高了机器人在路径估计和路标估计上的精度，验证了算法的有效性。 |
| 英文摘要: |
| Resampling process often leads to the sample impoverishment problem in FastSLAM2.0. In order to solve the problem, a SLAM method based on differential evolution (DE) is presented by introducing DE's idea into the unscented FastSLAM2.0. Firstly, it estimates the robot path with unscented particle filter, and uses extended Kalman filter to estimate and update the map. Then using the improved differential evolution algorithm replaces resampling process. Simulation results show that:compared with FastSLAM2.0, the presented method improves the accuracy of robot path and the landmark positions estimation. Results show the validity of the proposed algorithm. |
|
查看全文
查看/发表评论 下载PDF阅读器 |
| 关闭 |
