شناخت همزمان مکان و نقشه در ربات متحرک با افزایش سرعت و یک روش مسیریابی

سال انتشار: 1395
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 807

فایل این مقاله در 13 صفحه با فرمت PDF قابل دریافت می باشد

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

IRCEM01_208

تاریخ نمایه سازی: 25 آذر 1395

چکیده مقاله:

روش های بسیاری برای مسیریابی ربات با شناخت همزمان مکان و نقشه استفاده شده است، FASTSLAM۲.۰ که بر پایه ی توزیع ذرات می باشد. یکی از این روش ها است و دقت بسیار خوبی نسبت به سایر روش ها دارا می باشد. این روش برپایه ی فیلترهای کالمن و زنجیره ی مارکوف می باشد. روش های بر پایه ی توزیع ذرات از مجموعه مراحلی تشکیل شده اند. بر اساس شبیه سازی های انجام شده محاسبه ی وزن ذرات و بروزرسانی نقشه بیشترین زمان را دارا می باشند. برای کاهش زمان بروزرسانی نقشه از ساختارهای داده های همچون درخت جستجوی دودویی استفاده شده است و برای محاسبه ی وزن با توجه به آنکه ذرات موجود در توزیع ذرات و نشانه های مسیر دو مشخصه ی محاسبه ی وزن می باشند و از طرف دیگر با توجه به شرط استقلال در نشانه ها و ذرات در FASTSLAM۲.۰، استفاده نمودن از پردازنده های موازی می تواند مقدار زمان را از واحد ثانیه به میلی و یا مرکو ثانیه تبدیل کند. در این نوشتار سعی شده است با بیان کلی روش FASTSLAM۲.۰ و مراحل انجام آن، مقایسه ای میان سرعت انجام محاسبه ی وزن در یک دوره در بردازنده ی مرکزی و پردازنده ی گرافیکی انجام شود و با نتایج به دست آمده با پژوهشی مشابه مقایسه شود. برای بروز رسانی نقشه نیز مقایسه ای میان درخت جستجوی دودویی و استفاده از فیلترهای کالمن توسعه یافته انجام شده است.

نویسندگان

محمود آل شمس

استادیار دانشگاه آزاد اسلامی واحد فسا

سیدمصطفی بیژنی

کارشناس ارشد دانشگاه آزاد اسلامی واحد بوشهر

زینب خسروی بوشهری

کارشناسی دانشگاه آزاد اسلامی واحد بوشهر

مراجع و منابع این مقاله:

لیست زیر مراجع و منابع استفاده شده در این مقاله را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود مقاله لینک شده اند :
  • R.C. Smith, and P.Cheeseman, "On the representation and estimation of ...
  • J.J. Leonard, and H.F , Durrant-Whyt _ "Simultaneous map building ...
  • F.Dellaert, D.Fox, W.Burgard, and S.Thrun, "Monte carlo localization for mobile ...
  • K.Murphy, "Bayesian map learning in dynamic environments, " Advances in ...
  • M. Montemerlo, S.Thrun, D.Koller, and B.Wegbreit, "FastSLAM: A factored solution ...
  • C.Stachniss, G.Grisetti, and W.Burgard, "Recovering particle diversity in a Rao ...
  • G.Grisetti, G.D.Tipaldi, C.Stachniss, W.Burgard and D.Nardi, "Fast and accurate slam ...
  • M. Montemerlo, S.Thrun, D.Koller and B.Wegbreit, "FastSLAM 2.0: An improved ...
  • Proceedings of the Sixteenth International Joint Conference on Artificial Intelligence ...
  • A.Doucet, S.Godsill and C.Andrieu, "On sequential Monte Carlo sampling methods ...
  • H.Zhang, F. Martin, "CUDA Accelerated Robot Localization and Mapping, ; ...
  • K. Par and O. Tosun, "Parallelization of particle filter based ...
  • E. Lindholm, J. Nickolls, S. Oberman, J. Montrym, "NVIDIA tesla: ...
  • B .D.O.Anderson, J.B.Moore and J.Barratt, "Optimal filtering, " 1979. ...
  • M. Maahumita, S. R. aich, "Study of Kalman, Extended Kalamn ...
  • E.Orhan, _ Particle Fi ltering, "Aguest 11, 2012. ...
  • W. Whittaker, S. Thrun, ":A Factored Solution to the Simultaneous ...
  • نمایش کامل مراجع