基于改进粒子滤波的移动机器人UFastSLAM算法研究
发布时间：2021-04-21 14:15
随着人工智能的快速发展,人们对机器人定位的精度提出了更高的要求,SLAM技术是移动机器人实现自主定位的关键。目前SLAM技术仍然存在定位误差大、地图创建不准确等问题,因此研究未知环境下的移动机器人SLAM算法,对提高移动机器人的定位精度具有重要意义。针对UFastSLAM算法中采用粒子滤波算法进行机器人位姿估计时存在粒子退化的问题,将群智能优化思想引入到粒子滤波中,提出了一种基于改进粒子滤波的UFastSLAM算法。该算法中,结合粒子滤波算法的运行机制,对蝴蝶算法的个体寻优方式进行优化,设计新的蝴蝶个体位置更新公式,引入自适应吸引半径参数来限制蝴蝶个体间吸引的范围和个体数目,根据蝴蝶之间的距离与其吸引半径之间的关系,确定蝴蝶是否进行位置更新。在重采样之前,使用改进的蝴蝶算法优化粒子滤波采样后的粒子集,使得粒子的分布更加接近真实的后验概率密度。在此基础上,使用改进的粒子滤波算法代替原始UFastSLAM算法中的粒子滤波器,进行机器人位姿估计,采用UKF算法进行环境特征的估计。使用现有的SLAM模拟仿真器和维多利亚公园数据集对算法有效性进行验证。改进的UFastSLAM算法x轴平均定位误差...
【文章来源】：西安科技大学陕西省
【文章页数】：68 页
【学位级别】：硕士
【文章目录】：
摘要
abstract
1 绪论
1.1 研究背景及意义
1.2 研究现状
1.2.1 国内外应用研究现状
1.2.2 国内外算法研究现状
1.3 研究内容和研究思路
1.3.1 研究内容
1.3.2 研究思路
2 移动机器人建模关键技术研究
2.1 移动机器人SLAM技术
2.2 系统模型的建立
2.3 本章小结
3 改进的粒子滤波算法
3.1 粒子滤波算法
3.1.1 粒子滤波算法原理
3.1.2 粒子滤波算法流程
3.2 群智能算法的选取
3.2.1 常见群智能算法对比
3.2.2 蝴蝶算法原理
3.3 基于改进蝴蝶算法的粒子滤波算法
3.3.1 改进的蝴蝶算法
3.3.2 基于改进蝴蝶算法的粒子滤波算法
3.4 实验仿真与结果分析
3.4.1 算法性能分析
3.4.2 粒子分布特性分析
3.4.3 滤波性能分析
3.5 本章小结
4 基于改进粒子滤波的UFast SLAM算法
4.1 UFast SLAM算法
4.1.1 UT变换
4.1.2 UFast SLAM算法流程
4.2 基于改进粒子滤波的UFast SLAM算法
4.3 实验仿真与结果分析
4.3.1 T Bailey SLAM仿真分析
4.3.2 维多利亚公园数据仿真分析
4.4 本章小结
5 结论与展望
5.1 结论
5.2 展望
致谢
参考文献
附录
【参考文献】：
期刊论文
[1]基于膜计算粒子群优化的FastSLAM算法改进[J]. 韩涛,黄友锐,周宁亚,徐善永,许家昌,鲍士水. 新疆大学学报(自然科学版)(中英文). 2020(02)
[2]融合渐消无迹粒子滤波与高斯重采样的FastSLAM算法[J]. 朱友帅,袁明新,姜烽,张全兵. 兵工自动化. 2020(02)
[3]利用FastSLAM框架的多自治水下航行器同时定位与跟踪算法[J]. 卢健,陈旭,刘通,马成贤,何金鑫. 控制理论与应用. 2020(01)
[4]融合自适应邻域差分进化的FastSLAM算法[J]. 周亮,蒋林,雷斌. 机械设计与制造. 2019(09)
[5]基于粒子群优化算法的机器人FastSLAM研究[J]. 程立英,金新玮,肖辉,高宣爽,张志美,张浩华. 沈阳师范大学学报(自然科学版). 2019(04)
[6]基于简化扩展卡尔曼滤波的双偏振载波相位恢复算法[J]. 李耀祖,王目光,郭玉箫,牟宏谦. 光学学报. 2019(11)
[7]多机器人同步定位与地图构建的地图融合算法的改进[J]. 马树军,杨磊,白昕晖,李忠明. 控制理论与应用. 2019(08)
[8]粒子滤波目标跟踪算法综述[J]. 昝孟恩,周航,韩丹,杨刚,许国梁. 计算机工程与应用. 2019(05)
[9]基于Dirichlet过程非参贝叶斯学习的高斯箱粒子滤波快速SLAM算法[J]. 罗景文,秦世引. 机器人. 2019(05)
[10]一种改进的UKF-SLAM算法[J]. 吕太之,周武,赵春霞. 中北大学学报(自然科学版). 2018(06)
硕士论文
[1]复杂场景下机器人SLAM算法研究[D]. 赵挽东.哈尔滨工程大学 2019
[2]室内动态环境下基于粒子滤波的服务机器人定位[D]. 雷杨浩.西南科技大学 2018
[3]AGV复杂系统的故障诊断方法研究[D]. 刘云涛.杭州电子科技大学 2018
本文编号：3151911
【文章来源】：西安科技大学陕西省
【文章页数】：68 页
【学位级别】：硕士
【文章目录】：
摘要
abstract
1 绪论
1.1 研究背景及意义
1.2 研究现状
1.2.1 国内外应用研究现状
1.2.2 国内外算法研究现状
1.3 研究内容和研究思路
1.3.1 研究内容
1.3.2 研究思路
2 移动机器人建模关键技术研究
2.1 移动机器人SLAM技术
2.2 系统模型的建立
2.3 本章小结
3 改进的粒子滤波算法
3.1 粒子滤波算法
3.1.1 粒子滤波算法原理
3.1.2 粒子滤波算法流程
3.2 群智能算法的选取
3.2.1 常见群智能算法对比
3.2.2 蝴蝶算法原理
3.3 基于改进蝴蝶算法的粒子滤波算法
3.3.1 改进的蝴蝶算法
3.3.2 基于改进蝴蝶算法的粒子滤波算法
3.4 实验仿真与结果分析
3.4.1 算法性能分析
3.4.2 粒子分布特性分析
3.4.3 滤波性能分析
3.5 本章小结
4 基于改进粒子滤波的UFast SLAM算法
4.1 UFast SLAM算法
4.1.1 UT变换
4.1.2 UFast SLAM算法流程
4.2 基于改进粒子滤波的UFast SLAM算法
4.3 实验仿真与结果分析
4.3.1 T Bailey SLAM仿真分析
4.3.2 维多利亚公园数据仿真分析
4.4 本章小结
5 结论与展望
5.1 结论
5.2 展望
致谢
参考文献
附录
【参考文献】：
期刊论文
[1]基于膜计算粒子群优化的FastSLAM算法改进[J]. 韩涛,黄友锐,周宁亚,徐善永,许家昌,鲍士水. 新疆大学学报(自然科学版)(中英文). 2020(02)
[2]融合渐消无迹粒子滤波与高斯重采样的FastSLAM算法[J]. 朱友帅,袁明新,姜烽,张全兵. 兵工自动化. 2020(02)
[3]利用FastSLAM框架的多自治水下航行器同时定位与跟踪算法[J]. 卢健,陈旭,刘通,马成贤,何金鑫. 控制理论与应用. 2020(01)
[4]融合自适应邻域差分进化的FastSLAM算法[J]. 周亮,蒋林,雷斌. 机械设计与制造. 2019(09)
[5]基于粒子群优化算法的机器人FastSLAM研究[J]. 程立英,金新玮,肖辉,高宣爽,张志美,张浩华. 沈阳师范大学学报(自然科学版). 2019(04)
[6]基于简化扩展卡尔曼滤波的双偏振载波相位恢复算法[J]. 李耀祖,王目光,郭玉箫,牟宏谦. 光学学报. 2019(11)
[7]多机器人同步定位与地图构建的地图融合算法的改进[J]. 马树军,杨磊,白昕晖,李忠明. 控制理论与应用. 2019(08)
[8]粒子滤波目标跟踪算法综述[J]. 昝孟恩,周航,韩丹,杨刚,许国梁. 计算机工程与应用. 2019(05)
[9]基于Dirichlet过程非参贝叶斯学习的高斯箱粒子滤波快速SLAM算法[J]. 罗景文,秦世引. 机器人. 2019(05)
[10]一种改进的UKF-SLAM算法[J]. 吕太之,周武,赵春霞. 中北大学学报(自然科学版). 2018(06)
硕士论文
[1]复杂场景下机器人SLAM算法研究[D]. 赵挽东.哈尔滨工程大学 2019
[2]室内动态环境下基于粒子滤波的服务机器人定位[D]. 雷杨浩.西南科技大学 2018
[3]AGV复杂系统的故障诊断方法研究[D]. 刘云涛.杭州电子科技大学 2018
本文编号：3151911
本文链接：https://www.wllwen.com/shoufeilunwen/xixikjs/3151911.html
