基于区域粒子群优化和部分高斯重采样的SLAM方法

发布时间：2018-06-19 04:10

  本文选题：同时定位与地图构建 + Rao-Blackwellized粒子滤波器　； 参考：《计算机工程》2017年11期

【摘要】：为解决Rao-Blackwellized粒子滤波同时定位与地图构建方法中存在的粒子退化和粒子耗尽现象,提出一种同时定位与地图构建优化方法。为缓解粒子退化,通过区域粒子群优化方法调整粒子的建议分布,把粒子集聚类成多个区域,计算每个区域的加权中心位置,对区域内粒子进行粒子群优化操作使得粒子向区域中心位置移动。在重采样过程中,给出一种部分高斯重采样算法,只对权值过高或过低的粒子进行重采样。实验结果表明,与MT-GMapping方法相比,改进方法可以通过更少的粒子得到精度更高的地图,满足实际使用的需求。
[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.
【作者单位】： 南京理工大学智能机器人研究所;
【基金】：“核高基”重大专项(2015ZX01041101) 国家自然科学基金青年基金(61305134) 国家教育部博士点基金(20133219120035)
【分类号】：TP18;TP242

【相似文献】

相关期刊论文 前10条

1 戴冬雪,王祁,阮永顺,王晓超;基于混沌思想的粒子群优化算法及其应用[J];华中科技大学学报(自然科学版);2005年10期

2 李绍军;王惠;钱锋;;基于模式优选思想改进的粒子群优化算法[J];控制与决策;2006年10期

3 苏俊霞;蔚承建;;基于粒子群优化算法的自动机制设计[J];计算机工程与应用;2007年04期

4 何妮;吴燕仙;;粒子群优化算法的研究[J];科技信息(科学教研);2008年06期

5 贺毅朝;王熙照;曲文龙;;一种具有双重进化空间的扩展粒子群优化算法[J];小型微型计算机系统;2008年08期

6 吴刚;唐振民;杨静宇;;序列蒙特卡罗框架中引入对数取样的重采样[J];计算机工程与应用;2012年06期

7 于金霞;汤永利;许景民;;基于多样性向导的自适应重采样粒子滤波研究[J];计算机科学;2012年06期

8 王正帅;邓喀中;;基于文化框架的随机粒子群优化算法[J];计算机科学;2012年06期

9 冯纪强;温雅;;粒子群优化的模糊特征[J];现代电子技术;2012年23期

10 田亚菲;张范勇;阎石;;基于粒子群优化的细菌觅食优化算法[J];控制工程;2012年06期

相关会议论文 前10条

1 ;An SLAM algorithm based on improved UKF[A];第24届中国控制与决策会议论文集[C];2012年

2 徐俊杰;忻展红;;基于增强型参考位置的粒子群优化模型[A];’2004系统仿真技术及其应用学术交流会论文集[C];2004年

3 王亚;于永光;耿玲玲;;一类改进的自适应粒子群优化算法对混沌系统未知参数的估计[A];中国力学大会——2013论文摘要集[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];中国自动化学会控制理论专业委员会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 王光辉;陈杰;潘峰;;多种群协同粒子群优化算法求解动态环境优化问题[A];第二十七届中国控制会议论文集[C];2008年

8 ;AUV SLAM and Closed Loop Research in Large Scale Environment[A];2011年全国通信安全学术会议论文集[C];2011年

9 温丰;柴晓杰;朱智平;董小明;邹伟;原魁;;基于新型人工路标系统的视觉SLAM算法研究[A];第二十九届中国控制会议论文集[C];2010年

10 王宇韬;方勇纯;;鲁棒单目视觉SLAM系统研究[A];中国自动化学会控制理论专业委员会C卷[C];2011年

相关博士学位论文 前10条

1 刘昊;多样性增强的粒子群优化算法及其应用研究[D];北京理工大学;2015年

2 姜毅;动态环境下粒子群优化算法的研究[D];武汉大学;2013年

3 Shafiullah Khan;粒子群优化算法及其在电磁设计中的应用[D];浙江大学;2017年

4 赵一路;人机交互环境下的主动SLAM及相关问题研究[D];复旦大学;2013年

5 苑全德;基于视觉的多机器人协作SLAM研究[D];哈尔滨工业大学;2016年

6 熊勇;粒子群优化算法的行为分析与应用实例[D];浙江大学;2005年

7 唐贤伦;混沌粒子群优化算法理论及应用研究[D];重庆大学;2007年

8 唐贤伦;混沌粒子群优化算法理论及应用[D];重庆大学;2007年

9 徐慧;粒子群优化算法改进及其在煤层气产能预测中的应用研究[D];中国矿业大学;2013年

10 刘逸;粒子群优化算法的改进及应用研究[D];西安电子科技大学;2013年

相关硕士学位论文 前10条

1 陈卓;粒子群优化算法的改进及在油藏数值模拟中的应用[D];北京建筑大学;2015年

2 白云;基于粒子群优化算法的复杂网络社区挖掘[D];西北农林科技大学;2015年

3 杨艳华;基于粒子群优化支持向量机的网络态势预测模型研究[D];兰州大学;2015年

4 郑博;基于快速排序的多目标粒子群优化算法的研究及应用[D];郑州大学;2015年

5 米永强;非线性规划问题的混合粒子群优化算法研究[D];宁夏大学;2015年

6 李建美;基于自适应变异与文化框架的混沌粒子群优化算法[D];陕西师范大学;2015年

7 刘星;基于粒子群优化算法的特征选择方法研究[D];南京大学;2015年

8 牛旭;动态粒子群优化算法及其应用[D];西安电子科技大学;2014年

9 叶华;粒子群优化算法研究[D];西安电子科技大学;2014年

10 杨青河;基于优化控制思想的粒子群优化算法改进研究[D];东北大学;2013年

，

本文编号：2038363