• عنوان

    بررسي مكانيابي و نقشه‌برداري همزمان و تلاش براي كاهش حجم محاسبات در عين دقت مطلوب

  • نويسنده اصلي

    انعامي عراقي، حسن

  • محل تحصيل
    اصفهان : دانشگاه صنعتي اصفهان
  • رشته تحصيلي
    مهندسي برق
  • مقطع تحصيلي
    كارشناسي ارشد
  • چكيده
    تعيين موقعيت رباتهاي خودمختار متحرك، به‌ويژه زماني‌كه يك مرجع موقعيت‌ياب خارجي مانند سيگنال موقعيت‌ياب ماهواره‌اي در دسترس نباشد، يك چالش مهم مي‌باشد. در اين شرايط ربات بايد نقشه‌اي از محيط اطراف خود بسازد و به‌طور هم‌زمان موقعيت خود را در نقشه تعيين كند. از اين‌ رو بهترين راه براي يافتن موقعيت ربات در محيط ناشناخته بهره‌گيري از روش مكان‌يابي و نقشه‌ سازي هم‌زمان (مونه) مي‌باشد. بيشتر روش‌هاي رايج مونه به‌دليل دقت پايين در تخمين موقعيت ربات يا حجم محاسباتي بالا در مواجهه با محيط‌هاي بزرگ و كند ‌بودن الگوريتم قابل استفاده نيستند. همچنين استفاده از مدل مشاهده و مدل حركت غيرخطي در روش‌هاي معمول مونه باعث واگرايي آن مي‌شود. روش‌هايي كه تاكنون ارائه شده‌اند اگرچه حجم محاسبات را تاحدودي كاهش داده‌اند اما مسئله‌ي ناسازگاري هنوز در آنها حل نشده‌است. هدف از انجام اين پايان‌نامه، بررسي و بهبود روش‌هاي برخط مكان‌يابي و نقشه‌برداري همزمان مبتني بر فيلتر كالمن مي‌باشد. همچنين تلاش شده است با ارائه‌ي شيوه‌هاي جديد، دقت تخمين موقعيت ربات و نشانه‌ها بهبود يافته و نقشه‌اي سازگارتر از نشانه‌هاي اطراف ربات ارائه ‌گردد. در اين پايان‌نامه ضمن معرفي و مروري كلي بر روش متداول مونه، روش‌هاي جديد و نوآوري‌هايي نيز براي افزايش كارايي مونه پيشنهاد مي‌شود. از جمله با تخمين زاويه جهت‌گيري ربات در حين اجراي الگوريتم مونه، مدل مشاهده و مدل حركت خطي شده و روشي همگرا ارائه مي‌شود كه پايداري آن از روش‌هاي ديگر مونه بسيار بهتر است. در بخش ديگري از اين پژوهش با تركيب الگوريتم مونه مبتني بر فيلتر كالمن توسعه‌يافته با انطباق پويشي، دقت تخمين موقعيت ربات و نشانه‌‌ها به مقدار قابل ملاحظه‌اي بهبود داده مي‌شود. در اين روش با ذخيره‌ي اطلاعات دو پويش متوالي ربات از محيط و با مقايسه و انطباق اين اطلاعات، موقعيت ربات و نشانه‌‌ها بهبود داده مي‌شود. همچنين در اين پايان‌نامه براي بهبود عملكرد مونه مبتني برفيلتر كالمن بي بو روشي ارائه شده‌است كه مي‌تواند با محاسبه‌ي بردار اطلاعات حالت و ماتريس اطلاعات و بدون محاسبه‌ي بهره كالمن، دقت مونه مبتني بر فيلتر كالمن بي‌بو را افزايش داده و همگرايي و پايداري آن‌را بهبود بخشد. دراين پژوهش الگوريتم‌هاي لازم براي رسيدن به موقعيت ربات و نشانه‌‌ها ارائه شده‌است. ضمن شبيه‌سازي اين روش‌هاي جديد، مزيت‌هاي آن‌ها در‌مقايسه با ساير روش‌هاي مونه مانند مونه‌هاي مبتني بر فيلتر كالمن توسعه‌يافته، فيلتر كالمن بي بو، فيلتر كالمن مكعبي و يكي از جديدترين روش‌هاي مونه بررسي شده و نشان داده‌شده كه روش‌هاي پيشنهادي در اين پژوهش عملكرد بهتر و پايدارتري دارند.
  • شماره ركورد
    219402
  • گرايش رشته تحصيلي
    مخابرات - سيستم
  • دانشكده
    مهندسي برق و كامپيوتر
  • دانشگاه
    دانشگاه صنعتي اصفهان