رویکردی جدید در بهبود دقت مکانیابی و نقشهسازی همزمان با استفاده از نقشه نسبی
نویسندگان
1 دانشکده مهندسی برق و کامپیوتر دانشگاه صنعتی اصفهان
2 دانشکده مهندسی برق و کامپیوتر دانشگاه صنعتی اصفهان
3 دانشکده مهندسی برق و کامپیوتر دانشگاه صنعتی اصفهان
doi
چکیده
در این مقاله با پیشنهاد توسعه دو رویکرد در نقشه نسبی، مکانیابی و نقشهسازی همزمان (مونه) بهبود داده میشود. پیادهسازی مونه مبتنی بر فیلتر کالمن توسعه یافته در محیطهای بزرگ بواسطه حجم زیاد محاسبات امکان پذیر نیست. از طرف دیگرچون مدل حرکت و مشاهده رباتها معمولاً غیرخطی میباشد، باعث واگرایی مونه با تخمینگر کالمن میگردد. درتخمینگر نسبی چون تنها به فاصله نسبی بین نشانهها توجه میشود معادلات آن به مدل حرکتی ربات وابسته نبوده و از طرف دیگر میتوان مدل مشاهده را نیز بصورت خطی تعریف نمود و در نتیجه همگرایی آن قابل اثبات است؛ اما روشهای ارائه شده مبتنی بر تخمینگر نسبی دارای مشکل اساسی ابهام در تعیین موقعیت مطلق ربات و نشانهها میباشند. در این مقاله با ارائه الگوریتمهای تخمین موقعیت با کمترین خطای بهبود یافته (ILPE) و همچنین تخمین موقعیت با واریانس کمینه بهبود یافته (IMVPE) روشی موثرتر برای مونه بر اساس تخمینگر نسبی ارائه شده است که با سوئیچ متوالی بین فضای نسبی و مطلق، مشکل ابهام در تعیین موقعیت مطلق نشانهها و ربات درآن بر طرف شده است. حجم محاسبات این روشها به تعداد نشانهها در محیط وابسته نبوده و متناسب با متوسط نشانههای مشاهده شده در هر پیمایش ربات از محیط میباشد. در این مقاله معادلات و الگوریتم لازم برای یافتن موقعیت ربات و نشانهها ارائه گردیده و در ضمن توسط شبیهسازی کارآیی روشهای پیشنهادی در مقایسه با روشهای قبلی و همچنین مونه مبتنی برکالمن توسعه یافته بررسی شده است.
