检索结果-南通市图书馆

大众科技 2023年第2期25卷 16-20,59页

作者：员鑫涛张炳琪长安大学陕西西安710064

针对FastSLAM2.0的重采样过程因频繁重采样而出现粒子退化,导致建图精度降低的现象,将FastSLAM2.0算法与天鹰算法相结合,提出一种基于天鹰算法优化下的FastSLAM2.0算法,以提高建图精度和改善粒子退化现象。在算法中通过天鹰算法优化粒... 详细信息

针对FastSLAM2.0的重采样过程因频繁重采样而出现粒子退化,导致建图精度降低的现象,将FastSLAM2.0算法与天鹰算法相结合,提出一种基于天鹰算法优化下的FastSLAM2.0算法,以提高建图精度和改善粒子退化现象。在算法中通过天鹰算法优化粒子寻优策略,同时对重采样过程中粒子权重较小的粒子进行交叉、变异操作,增大粒子多样性,缓解粒子退化现象,提高机器人位姿估计一致性。在基于ROS平台下的实体样机上对改进的算法进行可靠性验证。实验结果表明:改进的优化算法能有效提高定位建图精度。

关键词：天鹰优化算法 FastSLAM 遗传重采样 ROS

来源：

维普期刊数据库

同方期刊数据库评论

在线全文

学校读者我要写书评

暂无评论

基于粒子滤波的机动目标检测前跟踪算法研究

基于粒子滤波的机动目标检测前跟踪算法研究

引用

作者：张春景大连海事大学

学位级别：硕士

为解决粒子滤波检测前跟踪(Particle Filter Track-Before-Detect,PF-TBD)算法由于粒子退化而无法获得较好的检测跟踪性能问题,各学者提出了多种改进方法,而且为提高PF-TBD对机动目标的处理能力,发展出了多模型粒子滤波检测前跟踪(Track... 详细信息

为解决粒子滤波检测前跟踪(Particle Filter Track-Before-Detect,PF-TBD)算法由于粒子退化而无法获得较好的检测跟踪性能问题,各学者提出了多种改进方法,而且为提高PF-TBD对机动目标的处理能力,发展出了多模型粒子滤波检测前跟踪(Track-Before-Detect Based on Multi Model Particle Filter,MMPF-TBD)算法,但该算法存在有效模型使用概率低等缺陷。本文以粒子滤波(Particle Filter,PF)方法和多模型(Multi Model,MM)理论为基础,以MMPF-TBD算法为主线,从优化滤波方法和优化多模型结构两个角度分别提出了以下三种算法。本文主要研究工作及取得的成果如下:(1)基于优化遗传重采样的辅助粒子滤波检测前跟踪(Auxiliary Particle Filter Track-Before-Detect Based on Optimized Genetic Resampling,OGRAPF-TBD)算法研究。针对辅助粒子滤波检测前跟踪(Auxiliary Particle Filter Track-Before-Detect,APF-TBD)由于粒子匮乏而无法获得较好的检测跟踪性能问题,提出了OGRAPF-TBD算法。在APF-TBD的重采样中应用优化的遗传重采样(Optimized Genetic Resampling,OGR)方法,根据权重选择优质粒子,通过排序分组交叉和变异操作得到新粒子。该方法不仅能保留APF-TBD通过优化重要性分布函数提高采样粒子准确性的优势,将OGR思想引入重采样还能有效解决粒子匮乏问题,增加有效粒子数目。仿真结果表明,相较于APF-TBD和PF-TBD,OGRAPF-TBD具有更高的目标发现概率和跟踪精度,以及更强的适用性。(2)基于优化遗传重采样的多模型辅助粒子滤波检测前跟踪(Multi Model Auxiliary Particle Filter Track-Before-Detect Based on Optimized Genetic Resampling,MMOGRAPF-TBD)算法研究。针对MMPF-TBD由于采用序贯重要性重采样(Sequential Importance Resampling,SIR)滤波方法而无法较好地检测跟踪机动目标问题,提出了MMOGRAPF-TBD算法。将MMPF-TBD中的SIR替换成OGRAPF-TBD,从优化滤波方法角度改进了MMPF-TBD,保证粒子有效性的同时,解决了粒子匮乏问题,使加权平均后的粒子更接近目标的真实状态。仿真结果表明,相对于MMPF-TBD而言,MMOGRAPF-TBD具有更高的有效模型使用率、检测及跟踪精度,更强的适用性。(3)优化的多模型遗传重采样辅助粒子滤波检测前跟踪(Optimized Multi Model Genetic Resampling Auxiliary Particle Filter Track-Before-Detect,OMMOGRAPF-TBD)算法研究。针对MMOGRAPF-TBD存在运动模型不能很好地覆盖高机动目标的运动形式,模型间转换复杂和有效模型使用概率低问题,本文提出了OMMOGRAPF-TBD算法。以改变机动加速度的取值为核心,用一种运动模型模拟出多种运动模型,不仅增加了运动模型种类,也避免了多模型之间的转换。仿真结果表明,相较于MMPF-TBD和MMOGRAPF-TBD,OMMOGRAPF-TBD具有更高的运动模型使用效率、检测跟踪精度,以及更强的适用性。

关键词：检测前跟踪机动目标粒子滤波遗传重采样多模型粒子滤波

来源：

同方学位论文库评论

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

欢迎您,

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

在线全文

在线全文

请选择保存的检索档案：

请选择收藏分类：

通借通还

欢迎您,

建议与咨询 留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

在线全文

在线全文

请选择保存的检索档案： 新增检索档案 确定 取消

请选择收藏分类： 新增自定义分类 确定 取消

通借通还

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

请选择保存的检索档案：

请选择收藏分类：