基于秃鹰搜索算法优化的FastSLAM算法

针对FastSLAM算法存在的粒子退化和多样性丢失导致定位与建图精度下降的问题,提出了一种基于秃鹰搜索算法(BES)优化的FastSLAM算法(BES-FastSLAM)。BES-FastSLAM算法借助其特有的搜索机制,可以在粒子初始化阶段引入更丰富的粒子,增加粒子多样性,帮助FastSLAM算法跳出局部最优解的束缚,增强全局搜索能力。同时,BES-FastSLAM算法的速度和位置更新机制可以动态调整粒子群的速度和位置,使FastSLAM算法更快地收敛到全局最优解。仿真实验验证了BES-FastSLAM算法相较于FastSLAM算法拥有更高的计算效率和定位精度。

移动机器人FastSLAM算法的对比研究

为有效缓解FastSLAM1.0算法中的粒子损耗问题,提高其精度,FastSLAM2.0算法提出了一种求取重要性函数的方法。该方法利用扩展卡尔曼滤波算法对移动机器人的位姿状态进行递归估计,得到各个时刻的位姿状态的估计均值和方差,并由此构建服从高斯分布的重要性函数。该重要性函数包含了机器人位姿的历史信息和最新的观测信息,因此可以延缓粒子损耗速度。给出了FastSLAM2.0算法的具体流程,并将其仿真结果与FastSLAM1.0算法进行比较,结果表明了FastSLAM2.0算法的精度优于FastSLAM1.0算法。

基于ISSA-FastSLAM的移动机器人定位与建图

针对传统FastSLAM算法需要大量粒子提高SLAM精度以及多样性缺失的问题,提出了一种基于改进SSA(麻雀算法)优化的FastSLAM算法。首先,在预测粒子集时加入机器人最新时刻的观测信息并通过改进SSA计算粒子适应度值,为避免SSA陷进局部最优,将计算结果较差的粒子进行混沌初始化;其次,通过改进SSA分工协作、扩大搜索空间的特性更新预测粒子集,增加粒子多样性;最后,当最优个体更新位置时依据变异率进行变异操作,根据改进SSA获取的最优解调整粒子集的提议分布,使预测粒子集在权重计算前就更逼近机器人真实位置,以此提高估计精度。仿真实验结果表明,ISSA-FastSLAM算法较FastSLAM、SSA-FastSLAM算法相比,其位姿与路标估计精度更高且鲁棒性更佳。

基于改进的粒子群优化的FastSLAM方法

提出了一种基于改进的粒子群优化（IPSO）的快速同时定位和地图创建（FastSLAM）方法——IPSO FastSLAM算法。该算法在粒子预估过程中引入观测信息，调整了粒子的提议分布，增强了位置预测的准确性。改进的粒子群优化采用两步优化策略，即首先通过种群速度自适应调整惯性权重，有效地克服了粒子退化问题，改善了算法的实时性，然后针对粒子耗尽问题，在粒子群优化算法中引入遗传算法的变异运算对其进行改进，扩大解空间的范围，从而保持了种群的多样性。仿真和实时数据实验验证了该方法正确、可行。

基于权值平滑的改良FastSLAM算法

针对FastSLAM算法中频繁重采样会导致粒子快速坍塌,从而破化路标估计的多样性并最终影响估计结果的问题,提出一种基于权值平滑的改良算法.该方法采用平滑方式计算粒子权值,不仅考虑机器人当前的运动和观测结果,并且综合一定长度滑动窗口内的历史权值信息,可抑制由噪声和归一化等因素引起的权值过度波动,以及由此引发的频繁重采样和估计性能降低.蒙特卡罗仿真结果表明,选取合适的滑动窗口大小,改良算法能有效减少重采样次数,保持粒子多样性,显著提高估计精度.

基于狮群优化的FastSLAM算法

针对传统FastSLAM算法存在的粒子退化和粒子多样性缺失,从而导致精度方面退化的问题,提出一种基于狮群优化的FastSLAM算法。利用狮群优化方法对FastSLAM中预测粒子进行更新,调整粒子的建议分布,对粒子群进行分工合作扩大搜索范围,增加粒子多样性;通过"适者生存"的竞争法则促使粒子更快地朝着真实的机器人位姿状态逼近,减缓粒子退化。利用MATLAB平台进行仿真实验,实验结果表明,该算法具有可行性和优越性,有效提高了SLAM精度。

矿井环境下无人机视觉PSOFastSLAM算法的实现

为了实现无人机在无GPS的矿井环境下进行自主飞行,达到无人机的精准定位,提出了基于Rao-Blackwellized粒子滤波器的快速同步定位与地图创建(fast simultaneous location and mapping,Fast SLAM)算法。首先设计了一种适用于矿井环境下的人工路标,建立起了无人机的SLAM算法数学模型,接着提出一种改进算法—PSOFast SLAM算法提高准确性,对无人机的位姿和路标位置进行估计,实现无人机的精准定位和地图绘制。最后对进行仿真实验,仿真结果证明PSOFast SLAM算法有效改善了Fast SLAM算法粒子退化的问题,提高了井下无人机定位精度。

基于IINFO的粒子重组FastSLAM在SLAM中的研究

针对FastSLAM算法需要增加粒子数提高精度以及重采样导致的粒子多样性缺失的问题,提出一种改进INFO(向量加权平均算法)优化的粒子重组FastSLAM算法。首先,在预测粒子集时加入最新时刻的观测信息并通过INFO计算粒子适应度值,为增强INFO跳出局部最优的能力,对最优个体进行柯西变异;其次,通过改进INFO寻优能力强,收敛速度快的特性更新预测粒子集,使得在计算权重前粒子集的位姿就更接近期望值,以此提高估计精度;最后,重采样阶段将筛选后保留的粒子与剩余粒子重新组合成新的粒子,以此增加粒子多样性。仿真实验结果表明,IINFO-FastSLAM算法较FastSLAM、INFO-FastSLAM算法相比,其位姿与路标估计精度更高且鲁棒性更佳。

基于差分粒子滤波器-差分滤波器的同时定位与地图创建方法

针对目前FastSLAM改进算法存在复杂度高的问题,提出一种基于差分粒子滤波器(DDPF)-差分滤波器(DDF)的同时定位与地图创建方法。该方法采用DDPF估计机器人路径,采用DDF估计陆标位置,同时采用可选重采样以降低样本贫化的概率。实验结果表明,该方法具有精度高、连贯性好以及复杂度适中的特点。

煤矿井下无人机SLAM定位算法研究

无人机在灾后煤矿救灾方面的应用越来越广泛,但是由于井下环境复杂多变,发生灾害时更加无法准确估计井下环境,因此需要无人机在工作时精确定位其所在位置,为井上操控以及救灾提供及时有效的信息。该文研究了两种经典的定位算法:基于EKF的SLAM定位算法和基于Rao-Blackwellized粒子滤波器的FastSLAM定位算法,对两种算法进行了数学推导分析,建立了算法数学模型,得到非线性方程,使用Matlab仿真后发现基于Rao-Blackwellized粒子滤波器的FastSLAM定位算法具有更好的性能,可以快速准确地定位无人机的位置姿态,鲁棒性和算法独立性较好,同时运行时间短,具有更高的定位精度。

基于ROS的差分轮式机器人系统的设计

随着基于机器人操作系统(ROS)的移动机器人应用研究的发展,如何实现快速建图、精准导航和语音交互是其面临的主要问题。为优化以上问题的解决方案,对基于ROS的差分轮式机器人系统进行了设计和研究。系统设计主要包括硬件设计、软件设计和试验测试三部分;首先,提出采用统一机器人描述格式(URDF)仿真模型和运动学模型分析,确定差分轮式机器人的结构形状及运动轨迹。其次,采用高效的FastSLAM算法完成定位与地图构建,全局路径规划采用蚁群算法,局部路径算法采用动态窗口(DWA)算法,使系统的建图更快、导航更精准。最后,通过模型仿真和实物测试完成控制效果的验证.试验结果表明,所设计的机器人系统能快速构建SLAM地图.精准完成导航,并通过语音指令控制机器人运动.避开障碍准确到达指定地点。该设计为移动机器人系统在环境感知与多传感器信息融合方面的研究提供了可靠平台,对基于ROS的家庭陪护机器人系统的研究也具有重要的借鉴意义。

基于相对观测量的机器人合作FastSLAM算法

提出了一种基于相对观测量的合作快速同时定位与建图(FastSLAM)算法,即合作FastSLAM算法.给出了机器人合作定位的系统模型,假设每个机器人装配上能够测量与附近机器人之间相对位置和识别附近机器人的外部传感器.仅用机器人自身当作路标来对多机器人系统中每一个成员进行相对定位,分析了多机器人合作定位中相对观测量的约束关系.将多机器人运动信息和相对观测量与FastSLAM相结合,估计出机器人路径轨迹的后验概率分布,从而生成预测粒子,并计算每个粒子的权重,最后进行重采样使其能够递归估计修正机器人组中每个机器人的位置.仿真结果证明了该算法的有效性.

一种小型无人机的FastSLAM算法

为解决未知环境中小型无人机自主飞行问题,将SLAM算法从地面机器人的二维环境扩展到小型无人机的三维环境.首先,建立了小型无人机的SLAM算法数学模型,得到其非线性状态方程;然后,将小型无人机的SLAM问题分解成路径估计与环境地标估计两部分,分别采用粒子滤波器和扩展卡尔曼滤波器进行估计,提出了一种小型无人机的FastSLAM算法;最后,分别采用扩展卡尔曼滤波和FastSLAM算法进行仿真实验,仿真结果表明FastSLAM算法具有更好的定位精度.

燃气管道巡检四足机器人的改进沙猫群优化SLAM算法研究

为解决燃气管道巡检四足机器人的地图构建问题,提出一种改进沙猫群算法优化的ISCSO-FastSLAM算法。首先,引入柯西变异策略提高沙猫群算法跳出局部最优的能力,加快收敛速度,并加入自适应遗传参数增强沙猫群算法的稳定性。再通过改进沙猫群算法输出的位置预测最优解来更新FastSLAM算法的预测粒子集,从而提高估计精度。同时利用低权重粒子优化策略代替粒子滤波中原来的重采样步骤,来保证粒子的多样性。然后搭建不同的仿真环境,将多种算法进行仿真对比,仿真结果表明:在20 m×20 m的仿真环境下,ISCSO-FastSLAM算法相比WOA-FastSLAM算法对地图的构建更为准确,对机器人位置和环境路标的估计误差分别减小了17.1%和23.3%。最后,利用四足机器人在60 m×100 m大小的居民区进行建图实验,实验结果表明:相比FastSLAM算法和WOA-FastSLAM算法,ISCSO-FastSLAM算法能够构建更准确的居民区巡检地图,对阀门井、调压箱等巡检关键位置的估计误差分别减小了16.2%和6.0%。

基于ROS的语音导航智能小车设计与研究

为提高移动智能小车SLAM自主导航避障性能和运动稳定性,提出一种基于ROS框架的语音导航智能小车设计方法。建立智能小车的运动学模型,完成硬件电路和软件平台的搭建,基于粒子滤波器的FastSLAM算法,结合A^(*)和动态窗口法DWA,编写ROS框架下的Cmapping功能包,实现智能小车的运动实验仿真、路径规划和动态避障。采用语音识别控制策略,利用Gazebo仿真和Rviz可视化,开展智能小车的语音导航试验。对比分析A^(*)结合TEB算法的小车避障耗时及运动平顺性,仿真与实车验证结果均表明,本文方法设计的智能小车避障时间短,移动路径具有连续性,语音导航对环境的适应性强。