عنوان مقاله :
بهبود عملكرد الگوريتم EKF-SLAM در محيط هاي پويا با استفاده از ANFIS
عنوان به زبان ديگر :
Improving the performance of the EKF-SLAM algorithm in dynamic environments using ANFIS
پديد آورندگان :
خان‌ميرزا، اسماعيل دانشگاه علم و صنعت، گروه مهندسي مكانيك، تهران، ايران , جعفري بابوكاني ، فريدون دانشگاه علم و صنعت، تهران، ايران
كليدواژه :
SLAM , EKF , محيط پويا , ANFIS , رديابي چند هدفه
چكيده فارسي :
مسأله ي مكان يابي و نقشه‌كشي همزمان در محيط هاي پويا موضوع مهمي در مبحث ناوبري ربات هاي خودمختار مي باشد كه هنوز تحقيقات زيادي در اين زمينه انجام نشده است. در اين مقاله، با ارائه ي روشي جديد، اشياء پويا در محيط را همزمان با وجود اشياء ساكن رديابي مي نماييم. براي اين منظور الگوريتم EKFSLAM براي محيط هاي پويا توسعه داده شده است به طوري كه مكانيابي و نقشه كشي همزمان و رديابي اشياء پويا در محيط در قالب يك مسأله حل مي شود، كه قبلاً به صورت مجزا اين كار انجام مي شد. همچنين با توجه به اينكه كارايي و عملكرد الگوريتم فيلتر كالمن توسعه يافته وابستگي زيادي به دانش صحيح در مورد ماتريس كواريانس نويز مشاهدات دارد از يك سيستم تطبيقي نرو-فازي (ANFIS) به منظور تنظيم ماتربس كواريانس نويز مشاهدات استفاده شده تا دقت و پايداري الگوريتم را نسبت به ساير روش‌هاي قديمي (SLAM and DATMO, FastSLAM, EKF) تضمين نمايد. نتايج آزمايشات حاكي از آن است كه عملكرد الگوريتم پيشنهادي موجب رديابي دقيق اشياء در زمان اجراي SLAM در محيط پويا مي شود و از دقت و پايداري خوبي برخوردار است.
چكيده لاتين :
The issue of Simultaneous localization and mapping (SLAM) in dynamic environments is an important object in the navigation of
autonomous robots, which has not yet been investigated much. In this paper, by presenting a new method, we track dynamic objects
in the environment simultaneously with living static object. For this purpose, the EKFSLAM algorithm has been developed for
dynamic environments in the way that simultaneous mapping and mapping of dynamic objects in the environment are solved in the
form of a problem, which was previously done individually. Also, considering that the efficiency and performance of the developed
Kalman filter algorithm depend heavily on the correct knowledge of the covariance matrix of observations, an adaptive Neuro-Fuzzy
inference system (ANFIS) is used to adjust the measurement noise covariance matrices to ensure that the accuracy and consistency
of the algorithm Than other older methods (SLAM and DATMO, FastSLAM, EKF) is guaranteed. The results of the experiments
indicate that the proposed algorithm performs precise tracking of objects during the implementation of SLAM in a dynamic
environment and it has good accuracy and consistency.
عنوان نشريه :
مهندسي مكانيك دانشگاه تبريز
