一种基于遗传算法的FastSLAM 2．0算法

被引：20

作者：

周武

赵春霞

机构：

[1] 南京理工大学计算机科学与技术学院

来源：

机器人 | 2009年 / 31卷 / 01期

关键词：

同时定位与地图创建; 遗传算法; 粒子滤波器; unscented卡尔曼滤波器; 扩展卡尔曼滤波器;

D O I：

10.13973/j.cnki.robot.2009.01.010

中图分类号：

TP242 [机器人];

学科分类号：

1111 ;

摘要：

FastSLAM 2.0算法的重采样过程会带来"粒子耗尽"问题,为了改进算法的性能、提高估计精度,将FastSLAM 2.0算法与遗传算法相结合,提出了一种解决SLAM问题的方法——遗传快速SLAM算法.针对FastSLAM 2.0算法的特点,设计了一种改进的遗传算法来兼顾粒子权值和粒子集的多样性.遗传快速SLAM算法采用unscented粒子滤波器估计机器人的路径,地图估计则采用扩展卡尔曼滤波器.采用SLAM领域的标准数据集"car park dataset"对提出的算法进行了验证,实验结果表明遗传快速SLAM算法在估计精度和一致性方面都具有较好的性能,并且算法的计算复杂度能满足实时性要求.

引用

页码：25 / 32

页数：8

共 5 条

[1] 用改进的Rao-Blackwellized粒子滤波器实现移动机器人同时定位和地图创建 [J].

厉茂海 ;

洪炳熔 ;

罗荣华 .

吉林大学学报(工学版), 2007, (02) :401-406

[2] 一种改进遗传算法性能的方法研究 [J].

陈得宝 ;

赵春霞 .

南开大学学报(自然科学版), 2005, (06) :84-88

[3] On sequential Monte Carlo sampling methods for Bayesian filtering [J].

Doucet, A ;

Godsill, S ;

Andrieu, C .

STATISTICS AND COMPUTING, 2000, 10 (03) :197-208

[4] A Probabilistic Approach to Concurrent Mapping and Localization for Mobile Robots [J].

Sebastian Thrun ;

Wolfram Burgard ;

Dieter Fox .

Machine Learning, 1998, 31 :29-53

[5]

Consistency of the FastSLAM al- gorithm .2 Bailey T,Nieto J,Nebot E. Proceedings of the IEEE International Conference on Robotics and Automation . 2006

← 1 →