چکیده مقاله
یکی از الگوریتم هایی که برای حل مسیله موقعیت یابی و نقشه برداری همزمان ربات مورد استفاده قرار می گیرد FastSLAM است که از الگوریتم های کارآمد مبتنی بر فیلتر ذره ای است یکی از عوامل تاثیرگذار در بهبود عملکرد FastSLAM استفاده از روش هایی در گام بازنمونه برداری است که موجب حفظ تنوع ذرات و مقابله با مسیله فقر نمونه خواهد شد در این مقاله برای مقابله با مسیله فقر نمونه از یک روش هوشمند تکاملی در گام بازنمونه برداری استفاده شده است که منجر به حفظ تنوع ذرات می شود اعتبار روش پیشنهادی با استفاده از شبیه سازی ارزیابی شده است نتایج آزمایش ها و مقایسه با الگوریتم پایه نشان دهنده ی عملکرد بهتر روش پیشنهادی نسبت به عملکرد FastSLAM2 0 معمول است و از نظر خطای موقعیت و خطای نشانه بهبود یافته است همچنین الگوریتم پیشنهادی در مقابل افزایش نویز مقاوم است
کلیدواژهها
نویسندگان
درنا محمدی
دانشجوی کارشناسی ارشد برق کنترل دانشگاه شهید باهنر کرمان
مجتبی برخورداری یزدی
استادیار دانشگاه شهید باهنر کرمان
حسین نظام آبادی پور
استاد دانشگاه شهید باهنر کرمان
شیوه ارجاع
محمدی، درنا و برخورداری یزدی، مجتبی و نظام آبادی پور، حسین،1397،کاهش هم زمان خطای موقعیت ربات ونقشه توسط الگوریتم FastSLAM هوشمند و مقاوم بودن الگوریتم پیشنهادی در برابر افزایش نویز،دومین کنفرانس ملی کامپیوتر، فناوری اطلاعات و کاربردهای هوش مصنوعی،اهواز
ارائهشده در
مجموعه مقالات دومین کنفرانس ملی کامپیوتر، فناوری اطلاعات و کاربردهای هوش مصنوعی1 اسفند 1397 · اهواز