این سایت در حال حاضر پشتیبانی نمی شود و امکان دارد داده های نشریات بروز نباشند
مهندسی مکانیک مدرس، جلد ۱۶، شماره ۱۲، صفحات ۴۹۰-۵۰۰
عنوان فارسی رویکردی جدید در بهبود دقت مکانیابی و نقشه‌سازی همزمان با استفاده از نقشه نسبی
چکیده فارسی مقاله در این مقاله با پیشنهاد توسعه دو رویکرد در نقشه نسبی، مکان‌یابی و نقشه‌سازی همزمان (مونه) بهبود داده می‌شود. پیاده‌سازی مونه مبتنی بر فیلتر کالمن توسعه یافته در محیط‌های بزرگ بواسطه حجم زیاد محاسبات امکان پذیر نیست. از طرف دیگرچون مدل حرکت و مشاهده رباتها معمولاً غیر‌خطی می‌باشد، باعث واگرایی مونه با تخمینگر کالمن می‌گردد. درتخمینگر نسبی چون تنها به فاصله نسبی بین نشانه‌ها توجه می‌شود معادلات آن به مدل حرکتی ربات وابسته نبوده و از طرف دیگر می‌توان مدل مشاهده را نیز بصورت خطی تعریف نمود و در نتیجه همگرایی آن قابل اثبات است؛ اما روشهای ارائه شده مبتنی ‌بر تخمینگر نسبی دارای مشکل اساسی ابهام در تعیین موقعیت مطلق ربات و نشانه‌ها می‌باشند. در این مقاله با ارائه الگوریتم‌های تخمین موقعیت با کمترین خطای بهبود یافته (ILPE) و همچنین تخمین موقعیت با واریانس کمینه بهبود یافته (IMVPE) روشی موثرتر برای مونه بر اساس تخمینگر نسبی ارائه شده است که با سوئیچ متوالی بین فضای نسبی و مطلق، مشکل ابهام در تعیین موقعیت مطلق نشانه‌ها و ربات درآن بر طرف شده است. حجم محاسبات این روشها‌ به تعداد نشانه‌ها در محیط وابسته نبوده و متناسب با متوسط نشانه‌های مشاهده شده در هر پیمایش ربات از محیط می‌باشد. در این مقاله معادلات و الگوریتم لازم برای یافتن موقعیت ربات و نشانه‌ها ارائه گردیده و در ضمن توسط شبیه‌سازی کارآیی روش‌های پیشنهادی در مقایسه با روش‌های قبلی و همچنین مونه مبتنی برکالمن توسعه یافته بررسی شده است.
کلیدواژه‌های فارسی مقاله
عنوان انگلیسی A New Approach to Improve of Accuracy in Simultaneous Localization and Mapping by Using Relative Map
چکیده انگلیسی مقاله In this paper, by introducing of development of two approaches based on the relative map filter (RMF); it has been tried to improve simultaneous localization and mapping (SLAM). The implementation of Extended Kalman Filter SLAM (EKF-SLAM) in large environments is not practical due to large volume of calculations. On the other hand, the observation and motion models of many robots are nonlinear and these cause the divergence of EKF-SLAM. The basis of RMF is relative distances between landmarks; therefore its equations are independent from the robot motion model. Also, the robot observation model can be linearly defined and its convergence is guaranteed. Despite these features, the relative filter proposed methods are faced with the problem of ambiguity in absolute positioning of robot and landmarks. In this article, ILPE (Improved Lowest Position Estimation) and IMVPE (Improved Minimum Variance Position Estimation) methods are introduced. In these methods, the ambiguity problem in localization and mapping of robot and landmarks are solved by sequential switching between absolute and relative spaces. The calculation volume of these methods does not depend on the number of landmarks and depends on the average number of landmarks observed in each scan of the robot. In this paper, the equations and the required algorithm to find the position of landmarks and robot are presented. Moreover by simulation, the performance and efficiency of the proposed methods are discussed in comparison with the previous methods including EKF-SLAM.
کلیدواژه‌های انگلیسی مقاله SLAM, relative map, mapping, localization, mobile robots
نویسندگان مقاله سید فرزاد بحرینیان | seyed farzad
دانشکده مهندسی برق و کامپیوتر دانشگاه صنعتی اصفهان
سازمان اصلی تایید شده: دانشگاه صنعتی اصفهان (Isfahan university of technology)

مازیار پالهنگ |
دانشکده مهندسی برق و کامپیوتر دانشگاه صنعتی اصفهان
سازمان اصلی تایید شده: دانشگاه صنعتی اصفهان (Isfahan university of technology)

محمدرضا تابان | mohammad reza
دانشکده مهندسی برق و کامپیوتر دانشگاه صنعتی اصفهان
سازمان اصلی تایید شده: دانشگاه صنعتی اصفهان (Isfahan university of technology)

نشانی اینترنتی http://mme.modares.ac.ir/article_15890_11dfa2b1f90b123ade58849224b38032.pdf
فایل مقاله اشکال در دسترسی به فایل - ./files/site1/rds_journals/1256/article-1256-343536.pdf
کد مقاله (doi)
زبان مقاله منتشر شده fa
موضوعات مقاله منتشر شده
نوع مقاله منتشر شده
برگشت به: صفحه اول پایگاه   |   نسخه مرتبط   |   نشریه مرتبط   |   فهرست نشریات