天津理工大学学报

2020, v.36;No.162(05) 11-15+19

[打印本页] [关闭]
本期目录(Current Issue) | 过刊浏览(Past Issue) | 高级检索(Advanced Search)

基于自适应粒子群优化FastSLAM算法的改进
An improved FastSLAM algorithm based on self-adapt scatter particle swarm optimization

梁雪慧;张瑞杰;赵菲;程云泽;

摘要(Abstract):

快速同时定位与建图(FastSLAM)算法中的重采样过程会带来粒子退化和粒子多样性减弱问题,为了改进算法的性能、提高估计精度,针对FastSLAM算法的特点,设计了一种改进的FastSLAM算法,将FastSLAM算法中的粒子滤波部分用自适应粒子群优化算法来代替,并且引入了粒子的筛选区间,通过改善算法初期的粒子分布情况,以及采用交叉变异操作这种自适应优化策略来对粒子种群进行调整.最后在MATLAB仿真平台针对三种算法进行了对比并验证改进后算法的优越性,实验结果表明基于自适应粒子群优化的FastSLAM算法在估计精度和计算效率方面都具有较好的性能.

关键词(KeyWords): 同时定位与地图创建;自适应粒子群优化;交叉变异;粒子滤波;快速同时定位与地图创建

Abstract:

Keywords:

基金项目(Foundation): 天津市科技支撑重点项目(18YFZCNC01120)

作者(Author): 梁雪慧;张瑞杰;赵菲;程云泽;

Email:

DOI:

参考文献(References):

扩展功能
本文信息
服务与反馈
本文关键词相关文章
本文作者相关文章
中国知网
分享