×

兹马思-数学第一资源

一种基于蚂蚁滤波的随机有限集同步定位与映射方法。(英语) Zbl 06960397
摘要:受蚂蚁觅食的启发,将特征地图和测量数据建模为随机有限集,提出了一种新的蚁群框架下的联合估计地图和车辆轨迹的方法,以解决基于特征的同时定位与映射(SLAM)问题。这种所谓的ant-PHD-SLAM算法可以将联合映射轨迹后验密度的递推分解为联合传播的车辆轨迹后验密度和基于车辆轨迹的特征地图后验密度。更具体地说,提出一种蚂蚁PHD滤波器来联合估计地图特征的数量及其位置,即利用蚂蚁强大的搜索能力和集体协作完成PHD-SLAM滤波时间预测和数据更新过程。同时,利用一种新的快速移动蚂蚁估计器(F-MAE)来估计机动车辆的轨迹。通过几个数值例子的评估和比较表明,与最近报道的方法相比,该方法的性能有所改善。在机器人操作系统(ROS)平台上的实验结果验证了与数值模拟结果的一致性。
理学硕士:
68-XX号 计算机科学
93-XX号 系统论;控制
软件:
快攻;单满贯
PDF格式 BibTeX公司 XML 引用
全文: 内政部
参考文献:
[1] Adams,M.,Vo,B.,Mahler,R.和Mullane,J.(2014年)。SLAM获得博士学位:地图估计的新概念,IEEE机器人和自动化杂志21(2):26-37。
[2] Aghdam,M.,Ghasem Aghaee,N.和Basiri,M.(2009年)。使用蚁群优化进行文本特征选择,专家系统与应用36(3):6843-6853。
[3] (史蒂芬·吉恩斯和奈伯特·J.,2006年)。EKF-SLAM算法的一致性,2006年IEEE智能机器人与系统国际会议论文集,北京,3562-3568页。
[4] Carlevaris Bianco,N.,Kaess,M.和Eustice,R.M.(2017年)。因子图SLAM的一般节点移除,IEEE机器人事务30(6):1371-1385。
[5] Davidson,A.,Reid,I.,Molton,N.和Statse,O.(2007年)。单镜头:实时单摄像机扫描,模式分析和机器智能IEEE汇刊29(6):1052-1067。
[6] Deusch,H.,Reuter,S.和Dietmayer,K.(2015年)。多贝努利SLAM滤波器,IEEE信号处理快报22(10):1561-1565。
[7] Dissanayake,G.和Durrant Whyte,P.,Clark,H.和Csorba,M.(2001年)。同步定位和地图构建(SLAM)问题的解决方案,IEEE机器人与自动化学报17(3):229-241。
[8] Dorigo,M.和Gambardella,L.(1997年)。蚁群系统:旅行商问题的合作学习方法,IEEE进化计算汇刊1(1):53-66。
[9] Dorigo,M.,Maniezzo,V.和Colorni,A.(1995年)。蚂蚁系统:由一群合作代理优化,物理评论快报75(14):2686-2689。
[10] Huang,H.,Huang,C.和Pei,W.(2015年)。用蚁群优化求解多资源受限的项目调度问题,工程项目与生产管理杂志5(1):2-12。
[11] Leonard,J.J.和Durrant Whyte,H.F.(1991年)。自主移动机器人的同步地图构建与定位,《IEEE/RSJ智能机器人与系统国际研讨会论文集》IROS'91,日本大阪,1142-1147页。
[12] 马勒,R.(2007年)。统计多源多目标信息融合,马萨诸塞州波士顿,阿特奇大厦。
[13] Michael,M.,Sebastian,T.,Daphne,K.和Ben,W.(2003年)。FastSLAM 2.0:一种改进的粒子滤波算法,用于同时定位和映射,可证明收敛,第六届国际人工智能联合会议论文集,墨西哥阿卡普尔科,第1151-1156页。
[14] Montemerlo,M.,Thrun,S.,Koller,D.和Wegbreit,B.(2002年)。FastSLAM:同步定位和绘图问题的一个因素解决方案,《第八届全国人工智能会议论文集》,加拿大艾伯塔省埃德蒙顿,第593-598页。
[15] Mullane,J.,Vo,B.N.,医学博士亚当斯和Vo,B.T.(2011年)。一个随机有限集方法的贝叶斯SLAM,IEEE机器人学报27(2):268-282·Zbl 1231.68017
[16] Narasimha,K.,Kivelevitch,E.,Sharma,B.和Kumar,M.(2013年)。求解最小-最大多车辆段车辆路径问题的蚁群优化技术,群与进化计算13:63-73。
[17] Rashno,A.,Sadri,S.和Sadeghian Nejad,H.(2015年)。基于小波和颜色特征的蚁群优化特征选择模式的高效基于内容的图像检索,《2015年人工智能与信号处理国际研讨会论文集》,伊朗马什哈德,第59-64页。
[18] Rodriguez Losada,D.,Matia,F.,Pedraza,L.,Jimenez,A.和Galan,R.(2007年)。室内环境SLAM-EKF算法的一致性,《智能与机器人系统杂志》50(4):375-397·Zbl 1133.68457
[19] Shang,G.(2008年)。用一种新的蚁群算法解决武器目标分配问题,2008年IEEE计算智能与设计国际研讨会论文集,武汉,第221-224页。
[20] Taketomi,T.,Uchiyama,H.和Ikeda,S.(2017年)。视觉SLAM算法:2010-2016年的调查,IPSJ计算机视觉与应用交易9(1):16-26。
[21] Thrun,S.,Burgard,W.和Fox,D.(2005年)。概率机器人学,麻省理工学院出版社,剑桥,马萨诸塞州·Zbl 1081.68703
[22] Viejo,D.,Garcia Rodriguez,J.和Cazorla,M.(2014年)。结合视觉特征和成长的神经气体网络的机器人三维大满贯,信息科学276:174-185。
[23] Wang,H.,Huang,S.,Frese,U.和Dissanayake,G.(2013年)。球面协方差矩阵点特征SLAM问题的非线性结构,Automatica 49(10):3112-3119·Zbl 1358.93192号
[24] Wilkowski,A.,Kornuta,T.,Stefa´nczyk,M.和Kasprzak,W.(2016年)。使用RGB-D传感器高效生成三维曲面图,国际应用数学和计算机科学杂志26(1):99-122,DOI:10.1515/amcs-2016-0007·Zbl 1336.94012号
[25] 徐B,陈,Q.,Zhu,J.和Wang,Z.(2010年)。蚂蚁估计器及其在目标跟踪中的应用,信号处理90(5):1496-1509·Zbl 1194.94152号
[26] 徐斌、徐浩、朱杰(2011)。用于多目标跟踪的蚂蚁聚类PHD滤波器,应用软计算11(1):1074-1086。
[27] Zhang,H.(2015年)。蚁群优化在多模式资源受限项目调度中的应用,工程管理杂志28(2):150-159。
[28] Zhang,Z.,Gao,C.,Lu,Y.,Liu,Y.和Liang,M.(2016年)。基于双目标旅行商问题Physarum启发数学模型的多目标蚁群优化,PloS ONE 11(1):e0146709。
[29] Zhu,J.,Xu,B.,Wang,F.和Wang,Z.(2010年)。纯方位跟踪的实时移动蚂蚁估计器,《第一届群体智能进展国际会议论文集》,北京,第273-280页。
此参考列表基于出版商或数字数学图书馆提供的信息。它的项被试探性地匹配到zbMATH标识符,并且可能包含数据转换错误。它试图尽可能准确地反映原始论文中列出的参考文献,而不要求匹配的完整性或精确性。