隨著人工智能的快速發(fā)展,人們對機器人定位的精度提出了更高的要求,SLAM技術(shù)是移動機器人實現(xiàn)自主定位的關(guān)鍵。目前SLAM技術(shù)仍然存在定位誤差大、地圖創(chuàng)建不準確等問題,因此研究未知環(huán)境下的移動機器人SLAM算法,對提高移動機器人的定位精度具有重要意義。針對UFastSLAM算法中采用粒子濾波算法進行機器人位姿估計時存在粒子退化的問題,將群智能優(yōu)化思想引入到粒子濾波中,提出了一種基于改進粒子濾波的UFastSLAM算法。該算法中,結(jié)合粒子濾波算法的運行機制,對蝴蝶算法的個體尋優(yōu)方式進行優(yōu)化,設(shè)計新的蝴蝶個體位置更新公式,引入自適應(yīng)吸引半徑參數(shù)來限制蝴蝶個體間吸引的范圍和個體數(shù)目,根據(jù)蝴蝶之間的距離與其吸引半徑之間的關(guān)系,確定蝴蝶是否進行位置更新。在重采樣之前,使用改進的蝴蝶算法優(yōu)化粒子濾波采樣后的粒子集,使得粒子的分布更加接近真實的后驗概率密度。在此基礎(chǔ)上,使用改進的粒子濾波算法代替原始UFastSLAM算法中的粒子濾波器,進行機器人位姿估計,采用UKF算法進行環(huán)境特征的估計。使用現(xiàn)有的SLAM模擬仿真器和維多利亞公園數(shù)據(jù)集對算法有效性進行驗證。改進的UFastSLAM算法x軸平均定位誤差... 

【文章來源】：西安科技大學陜西省

【文章頁數(shù)】：68 頁

【學位級別】：碩士

【文章目錄】：
摘要
abstract
1 緒論
    1.1 研究背景及意義
    1.2 研究現(xiàn)狀
        1.2.1 國內(nèi)外應(yīng)用研究現(xiàn)狀
        1.2.2 國內(nèi)外算法研究現(xiàn)狀
    1.3 研究內(nèi)容和研究思路
        1.3.1 研究內(nèi)容
        1.3.2 研究思路
2 移動機器人建模關(guān)鍵技術(shù)研究
    2.1 移動機器人SLAM技術(shù)
    2.2 系統(tǒng)模型的建立
    2.3 本章小結(jié)
3 改進的粒子濾波算法
    3.1 粒子濾波算法
        3.1.1 粒子濾波算法原理
        3.1.2 粒子濾波算法流程
    3.2 群智能算法的選取
        3.2.1 常見群智能算法對比
        3.2.2 蝴蝶算法原理
    3.3 基于改進蝴蝶算法的粒子濾波算法
        3.3.1 改進的蝴蝶算法
        3.3.2 基于改進蝴蝶算法的粒子濾波算法
    3.4 實驗仿真與結(jié)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 濾波性能分析
    3.5 本章小結(jié)
4 基于改進粒子濾波的UFast SLAM算法
    4.1 UFast SLAM算法
        4.1.1 UT變換
        4.1.2 UFast SLAM算法流程
    4.2 基于改進粒子濾波的UFast SLAM算法
    4.3 實驗仿真與結(jié)果分析
        4.3.1 T Bailey SLAM仿真分析
        4.3.2 維多利亞公園數(shù)據(jù)仿真分析
    4.4 本章小結(jié)
5 結(jié)論與展望
    5.1 結(jié)論
    5.2 展望
致謝
參考文獻
附錄


【參考文獻】：
期刊論文
[1]基于膜計算粒子群優(yōu)化的FastSLAM算法改進[J]. 韓濤,黃友銳,周寧亞,徐善永,許家昌,鮑士水.  新疆大學學報(自然科學版)(中英文). 2020(02)
[2]融合漸消無跡粒子濾波與高斯重采樣的FastSLAM算法[J]. 朱友帥,袁明新,姜烽,張全兵.  兵工自動化. 2020(02)
[3]利用FastSLAM框架的多自治水下航行器同時定位與跟蹤算法[J]. 盧健,陳旭,劉通,馬成賢,何金鑫.  控制理論與應(yīng)用. 2020(01)
[4]融合自適應(yīng)鄰域差分進化的FastSLAM算法[J]. 周亮,蔣林,雷斌.  機械設(shè)計與制造. 2019(09)
[5]基于粒子群優(yōu)化算法的機器人FastSLAM研究[J]. 程立英,金新瑋,肖輝,高宣爽,張志美,張浩華.  沈陽師范大學學報(自然科學版). 2019(04)
[6]基于簡化擴展卡爾曼濾波的雙偏振載波相位恢復(fù)算法[J]. 李耀祖,王目光,郭玉簫,牟宏謙.  光學學報. 2019(11)
[7]多機器人同步定位與地圖構(gòu)建的地圖融合算法的改進[J]. 馬樹軍,楊磊,白昕暉,李忠明.  控制理論與應(yīng)用. 2019(08)
[8]粒子濾波目標跟蹤算法綜述[J]. 昝孟恩,周航,韓丹,楊剛,許國梁.  計算機工程與應(yīng)用. 2019(05)
[9]基于Dirichlet過程非參貝葉斯學習的高斯箱粒子濾波快速SLAM算法[J]. 羅景文,秦世引.  機器人. 2019(05)
[10]一種改進的UKF-SLAM算法[J]. 呂太之,周武,趙春霞.  中北大學學報(自然科學版). 2018(06)

碩士論文
[1]復(fù)雜場景下機器人SLAM算法研究[D]. 趙挽東.哈爾濱工程大學 2019
[2]室內(nèi)動態(tài)環(huán)境下基于粒子濾波的服務(wù)機器人定位[D]. 雷楊浩.西南科技大學 2018
[3]AGV復(fù)雜系統(tǒng)的故障診斷方法研究[D]. 劉云濤.杭州電子科技大學 2018



本文編號：3151911