本文關鍵詞：基于粒子群優(yōu)化的小型無人機FastSLAM算法研究

  更多相關文章： 小型無人機 自主飛行 粒子群優(yōu)化 同步定位與地圖構建 自適應重采樣

【摘要】：針對在無GPS環(huán)境下的小型無人機自主飛行問題,提出了一種基于改進的粒子群優(yōu)化(IPSO)的快速同步定位和地圖創(chuàng)建(FastSLAM)方法—IPSO FastSLAM算法。IPSO算法通過引入自適應重采樣方法,有效克服了粒子退化問題,又減少了過頻重采樣帶來的計算負擔。提出了以粒子集多樣性測度作為啟發(fā)因子,引導重采樣后的粒子優(yōu)化搜索過程,克服重采樣過程造成的樣本枯竭問題,保證粒子集多樣性水平最優(yōu)。最后,應用該算法對一種小型無人機模型進行仿真實驗,結(jié)果驗證了該算法正確、可行。
【作者單位】： 南京航空航天大學;
【分類號】：V279
【正文快照】： 0引言小型無人機(Small Unmanned Aerial Vehicle,SUAV)是一種能夠通過無線遙控或程序來操縱的無人駕駛飛行器。近年來,SUAV在軍事及民用等多領域的應用引起了人們的廣泛關注。準確的位姿估計是實現(xiàn)SUAV自主飛行、目標跟蹤等復雜飛行任務的前提和基礎[1-2]。傳統(tǒng)的導航系統(tǒng)都

【相似文獻】

中國重要會議論文全文數(shù)據(jù)庫 前10條

1 張妍;張曉光;王永鋼;;幾種改進型的粒子群優(yōu)化算法[A];第一屆中國高校通信類院系學術研討會論文集[C];2007年

2 孫紅光;潘毓學;;基于運動目標路徑的粒子群優(yōu)化算法研究[A];第二屆全國信息獲取與處理學術會議論文集[C];2004年

3 韓毅;唐加福;郭偉宏;劉陽;;混合粒子群優(yōu)化算法求解多層批量問題(英文)[A];中國運籌學會第八屆學術交流會論文集[C];2006年

4 金一粟;梁逸曾;;空間自適應粒子群優(yōu)化算法的應用研究[A];第九屆全國計算（機）化學學術會議論文摘要集[C];2007年

5 汪榮貴;李守毅;孫見青;;一種新的自適應粒子群優(yōu)化算法及應用[A];計算機技術與應用進展·2007——全國第18屆計算機技術與應用（CACIS）學術會議論文集[C];2007年

6 黃雙歡;程良倫;;一種基于粒子群優(yōu)化的快速圖像傾斜角度檢測算法[A];中國自動化學會中南六�。▍^(qū)）2010年第28屆年會·論文集[C];2010年

7 侯志榮;呂振肅;;基于退火策略的粒子群優(yōu)化算法[A];2003年中國智能自動化會議論文集（下冊）[C];2003年

8 徐俊杰;忻展紅;;基于增強型參考位置的粒子群優(yōu)化模型[A];’2004系統(tǒng)仿真技術及其應用學術交流會論文集[C];2004年

9 王亞;于永光;耿玲玲;;一類改進的自適應粒子群優(yōu)化算法對混沌系統(tǒng)未知參數(shù)的估計[A];中國力學大會——2013論文摘要集[C];2013年

10 崔靜;鄧方;方浩;;基于改進粒子群優(yōu)化算法的彈道求解方法[A];2013年中國智能自動化學術會議論文集（第三分冊）[C];2013年

中國博士學位論文全文數(shù)據(jù)庫 前10條

1 劉昊;多樣性增強的粒子群優(yōu)化算法及其應用研究[D];北京理工大學;2015年

2 劉華鎣;粒子群優(yōu)化算法的改進研究及在石油工程中的應用[D];東北石油大學;2012年

3 劉波;粒子群優(yōu)化算法及其在機電設備中的應用研究[D];中北大學;2011年

4 熊勇;粒子群優(yōu)化算法的行為分析與應用實例[D];浙江大學;2005年

5 唐賢倫;混沌粒子群優(yōu)化算法理論及應用研究[D];重慶大學;2007年

6 閆允一;粒子群優(yōu)化及其在圖像處理中的應用研究[D];西安電子科技大學;2008年

7 余炳輝;粒子群優(yōu)化算法試驗研究及擴展[D];華中科技大學;2007年

8 唐賢倫;混沌粒子群優(yōu)化算法理論及應用[D];重慶大學;2007年

9 徐慧;粒子群優(yōu)化算法改進及其在煤層氣產(chǎn)能預測中的應用研究[D];中國礦業(yè)大學;2013年

10 徐星;融合熱運動機制的粒子群優(yōu)化算法研究及其應用[D];武漢大學;2010年

中國碩士學位論文全文數(shù)據(jù)庫 前10條

1 陳卓;粒子群優(yōu)化算法的改進及在油藏數(shù)值模擬中的應用[D];北京建筑大學;2015年

2 白云;基于粒子群優(yōu)化算法的復雜網(wǎng)絡社區(qū)挖掘[D];西北農(nóng)林科技大學;2015年

3 楊艷華;基于粒子群優(yōu)化支持向量機的網(wǎng)絡態(tài)勢預測模型研究[D];蘭州大學;2015年

4 孟亞州;基于粒子群優(yōu)化OTSU的肺組織分割算法研究[D];寧夏大學;2015年

5 鄭博;基于快速排序的多目標粒子群優(yōu)化算法的研究及應用[D];鄭州大學;2015年

6 米永強;非線性規(guī)劃問題的混合粒子群優(yōu)化算法研究[D];寧夏大學;2015年

7 李建美;基于自適應變異與文化框架的混沌粒子群優(yōu)化算法[D];陜西師范大學;2015年

8 劉星;基于粒子群優(yōu)化算法的特征選擇方法研究[D];南京大學;2015年

9 牛旭;動態(tài)粒子群優(yōu)化算法及其應用[D];西安電子科技大學;2014年

10 葉華;粒子群優(yōu)化算法研究[D];西安電子科技大學;2014年

，

本文編號：1194690