一种基于遗传算法的FastSLAM+20算法

《一种基于遗传算法的FastSLAM+20算法》由会员上传分享，免费在线阅读，更多相关内容在行业资料-天天文库。

1、万方数据第31卷第1期2009年1月机器人ROBOTV01．3】．NO．1Jan．，2009文章编号：1002．0446(2009)一01—0025—08一种基于遗传算法的FastSLAM2．0算法周武，赵春霞(南京理t大学计算机科学与技术学院，江苏南京210094)摘要：FastSLAM2．0算法的重采样过程会带来“粒子耗尽”问题，为1广改进算法的性能、提高估计精度，将FastSLAM2．0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FastSLAM2．0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了集的多样性．遗传快速SLAM算法采用uns

2、cented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“carparkdataset”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．关键词：同时定位与地图创建；遗传算法：粒子滤波器；umcented卡尔曼滤波器；扩展卡尔曼滤波器中图分类号：TP24文献标识码：AAFastSLAM2．0AlgorithmBasedonGeneticAlgorithm’ZHOUⅥ，u，ZHAoChUI!．xia(CollegeofComputerScienceandTechnolo

3、gy，NanjmgUniversity彳ScienceandTechnology,Nanjmg210094，Ch／na)Abstract：Resamplingprocessoftencausesthe“sampleimpoverishment”probleminF龉tSLAM2．0．InordertoimprovethealgorithmperformanceandtOincreasetheestimationaccuracy,FastSLAM2．0iscombinedwi凼geneticalgorithm,andasolutionnamed‘‘GeneticFastSLAM2．0’’ispr

4、esentedfortheSLAMproblem．BasedonthespecialtyofF丛tSLAM2．O．allimprovedgeneticalgorithmisdesignedwithattentiontOboththeparticleweightandthesamples’diversity．GeneticFastSLAM2．0estimatestherobotpathwitIlunscentedparticlefilter(UPF)．andtllemapwitllextendedKalmanfilter(EKF)．Experimentsarecarriedoutwithaben

5、chmarkdatasetnamed‘'carparkdataset”tOevaluateperformanceofthegeneticFast-SLAM2．o．andtheresultsindicatethat山egeneticFastSLAM2．0performswell011bothestimationaccuracyandconsistency,andthecomputationalcomplexitysmisfiestherequirementsfromreal—timeapplications．Ke如ords：simultaneouslocalizationandmapbuildi

6、ng(SLAM)；geneticalgorithm；particlefilter；unscentedKalmanfilter(UKF)；extendedKalmanfilter(EKF)1引言(Introduction)SLAM问题是指把移动机器人放在未知环境中，机器人增量式地创建未知环境的连续地图，同时确定它在地图中的位置．由于SLAM问题的解法使机器人实现了真正的自主导航，因此在过去十几年中逐渐成为移动机器人领域的研究热点．Smith、Cheesmanll】及Durrant-Whyte[2l在描述地标与利用几何不确定性方面奠定了统计基础，他们提出：在地图中不同路标的定位估计是高度相关的，而

7、且相关性会随着观测的深入而加强．Smith、Self和Cheeseman[3】首先提出了SLAM算法，采用EKF对机器人位置和路标位置进行同时估计．近年来，SLAM问题的理论解法取得了显著的进展，并在室内、室外、海下等多种环境下得到了实践．收稿口期：2008-07—16SLAM问题针对的是未知且不确定的环境，一般使用概率方法来描述该问题【4】．SLAM的常用概率解法有两类，一类是卡尔曼滤波算法，另