بهبود موقعیت‌یابی و نقشه‌یابی هم‌زمان با استفاده از الگوریتم اجتماع ذرات و سیستم فازی-عصبی تطبیقی

نویسنده

دانشگاه بیرجند - دانشکده مهندسی برق و کامپیوتر

چکیده

مسئله موقعیت‌یابی و نقشه‌یابی هم‌زمان (SLAM) یکی از نیازهای اساسی برای ربات‌های خودمختار متحرک است که در محیط‌های ناشناخته حرکت می‌کنند. الگوریتم UFastSLAM یک روش مؤثر برای این منظور است. این روش با به‌کاربردن تبدیل خنثی، الگوریتم FastSLAM را بهبود می‌دهد. با وجود این، فرآیند نمونه‌برداری مجدد و اطلاعات آماری نامعلوم نویز فرآیند و اندازه‌گیری منجر به ناسازگاری می‌شود. در این مقاله، برای بهبود UFastSLAM از حیث دقت و سازگاری، الگوریتم UFastSLAM بهبود یافته با استفاده از الگوریتم اجتماع ذرات و سیستم فازی-عصبی تطبیقی (ANFIS) ارائه شده است. در روش پیشنهادی ANFIS به‌طور تطبیقی مشخصات آماری نویزها را تخمین می‌زند و بر سازگاری نظارت دارد. درحالی که الگوریتم اجتماع ذرات برای اصلاح نمونه‌ها استفاده شده است. مهم‌ترین امتیاز الگوریتم پیشنهادی نسبت به سایر الگوریتم‌ها عملکرد بهتر آن از حیث دقت و سازگاری تحت شرایط مختلف است. به‌ویژه وقتی‌که مشخصات آماری نویزها نامعلوم است، عملکرد سایر الگوریتم‌ها کاهش می‌یابد درحالی که روش پیشنهادی از دقت بالایی برخوردار است. به‌علاوه، نسبت به سایر روش‌ها، روش پیشنهادی وابستگی کمتری به تعداد ذرات دارد و بنابراین با حجم محاسبات کم‌تر به‌دقت بیش‌تری می‌رسد.

کلیدواژه‌ها


عنوان مقاله [English]

Improving of Simultaneous Localization and Mapping using Particle Swarm Optimization and Adaptive Neuro-Fuzzy Inference System

نویسنده [English]

  • R. Havangi
Faculty of Electrical and Computer Engineering, University of Birjand, Birjand, Iran
چکیده [English]

The simultaneous localization and mapping (SLAM) problem is a fundamental requirement for autonomous robots that moves in unknown environment. The UFastSLAM is effective way for this purpose. This method improves the FastSLAM algorithm using unscented transform.  However, the resampling process and unknown statistical information process and measurement noise lead to inconsistency. To improve UFastSLAM in terms of accuracy and consistency, in this article, the improved UFastSLAM using particle swarm optimization (PSO) and adaptive neuro-fuzzy inference system (ANFIS) is proposed. In this method, ANFIS estimates adaptively statistical characteristics of the noises and supervises the consistency. While PSO is used to modify samples. Especially when the statistical characteristics of the noises are unknown, the performance of other algorithms decreases while proposed method has high accuracy. In addition, compared to other methods, the proposed method less dependent on the number of particles and thus it provides greater accuracy with less computational cost.

کلیدواژه‌ها [English]

  • Simultaneous localization and mapping (SLAM)
  • UFastSLAM
  • adaptive neuro-fuzzy inference system (ANFIS)
  • particle swarm optimization