دوره 22، شماره 2 - ( مجله مهندسی برق و الکترونیک ایران - جلد 22 شماره 2 1404 )
جلد 22 شماره 2 صفحات 49-37 |
برگشت به فهرست نسخه ها
Download citation:
BibTeX | RIS | EndNote | Medlars | ProCite | Reference Manager | RefWorks
Send citation to:
BibTeX | RIS | EndNote | Medlars | ProCite | Reference Manager | RefWorks
Send citation to:
Khayaat Y, Khankalantary S. Observability-Constraint Extended Kalman Filter for SLAM Navigation Systems; Design and Comparison. Journal of Iranian Association of Electrical and Electronics Engineers 2025; 22 (2) :37-49
URL: http://jiaeee.com/article-1-1461-fa.html
URL: http://jiaeee.com/article-1-1461-fa.html
خیاط یوسف، خان کلانتری سعید. فیلتر کالمن توسعه یافته مشاهده پذیر مقید برای سامانه های ناوبری SLAM؛ طراحی و مقایسه. نشریه مهندسی برق و الکترونیک ایران. 1404; 22 (2) :37-49
دانشکده مهندسی برق- دانشگاه صنعتی خواجه نصیرالدین طوسی
چکیده: (843 مشاهده)
اخیراً، استفاده از الگوریتمهای متفاوت ناوبری تصویری به‌عنوان یک سیستم کمک ناوبری مورد علاقه بسیاری از محققان بوده است. در اکثر این رویکردها، به‌منظور بهبود دقت مساله ناوبری، نقاط ویژگی پیشگوییشدهی نامطلوب در مقایسه با خروجی الگوریتم دوباره توسط واحدهای فیلترینگ مناسب جهت ادغام و تلفیق در سامانه استفاده میشوند. با اینحال، تعداد نقاط با ویژگی خاص، میزان نویز و وجود یا عدم وجود نویز رنگی تاثیر مستقیمی بر روی کارایی فیلترهای مرسوم همانند فیلتر کالمن تعمیمیافته دارد. به همین منظور در این مقاله، علاوه بر نمایش نحوه مدلسازی سامانههای ناوبری تصویری و پیادهسازی سیستماتیک چگونگی فیلترینگ آنها، فیلتر کالمن تعمیمیافته مشاهدهپذیر مقید به منظور بهبود عملکرد سامانه ناوبری و کمینهساختن خطاهای سامانه ارائه شده است. مهمترین نوآوری طرح پیشنهادی این است که مساله فیلترینگ را به‌عنوان یک مسئله بهینه‌سازی مقید که قیود مشاهده‌پذیری را در مساله تخمین لحاظ می‌کند، تبدیل کرده است. علاوه بر آن، عملکرد فیلتر کالمن تعمیمیافته مشاهدهپذیر با فیلتر کالمن تعمیمیافته استاندارد، فیلتر کالمن مبتنی بر ژاکوبین نخستین تخمین، فیلتر کالمن مبتنی بر Hinfو فیلتر کالمن مقاوم نیز مقایسه شده است و عملکرد مقاوم فیلتر ارائه شده در مقابل با عدم قطعیت‌ها، نویزهای سفید و رنگی به وسیله نتایج شبیهسازی نمایش داده شده است. همچنان که در نتایج مونتکارلوی شبیهسازیها هم نشان داده شده است، فیلتر کالمن مشاهدهپذیر مقید نه تنها ناوبری دقیقتری را نتیجه میدهد، بلکه نسبت به نامعینیها و نویزهای سیستم مقاومتر نیز میباشند.
واژه‌های کلیدی: سامانههای ناوبری، ناوبری بصری-اینرسی، تلفیق اطلاعات، فیلتر کالمن تعمیمیافته، مکان‌یابی و نقشه‌برداری همزمان
فهرست منابع
1. [1] S. A. S. Mohamed, M.-H. Haghbayan, T. Westerlund, J. Heikkonen, H. Tenhunen, and J. Plosila, "A survey on odometry for autonomous navigation systems", IEEE Access, vol. 7, pp. 97466-97486, 2019. [DOI:10.1109/ACCESS.2019.2929133]
2. [2] N. Dinarvand, M. Norouzi, M. Dosaranian-Moghadam, "A real time optimization-based SLAM for indoor UAV flying robots", Journal of Iranian Association of Electrical and Electronics Engineers, vol. 18, no. 4, pp. 197-205, 2021. [DOI:10.52547/jiaeee.18.4.197]
3. [3] Farazkish R. Reliability modeling in bio-nano robots. "Journal of Iranian Association of Electrical and Electronics Engineers", 17 (3), pp. 11-16, 2020.
4. [4] F. Amiri, Kahaei M H. Enhancing Supervised Hyperspectral Unmixing using Spatial Correlation under Nonlinear Mixing Model. Journal of Iranian Association of Electrical and Electronics Engineers. 2020; 17 (1) :35-44.
5. [5] J. Zeraatkarmoghadam, H. Farrokhi, N. Neda, Interference Management in Cognitive Radio Networks using Cooperative Beamforming with Imperfect CSI. Journal of Iranian Association of Electrical and Electronics Engineers. 2017; 14 (2):1-9.
6. [6] F. Mirzaei, A A. Pouyan, "A Review of Swarm Robotic and Its Place in Multi -Robotic Systems", Journal of Iranian Association of Electrical and Electronics Engineers. 17 (2), pp. 53-72, 2020.
7. [7] R. Mur-Artal, J. M. M. Montiel, and J. D. Tardos, "ORB-SLAM: a versatile and accurate monocular SLAM system", IEEE Trans. Robot., vol. 31, no. 5, pp. 1147-1163, 2015. [DOI:10.1109/TRO.2015.2463671]
8. [8] D. Xu, Y. F. Li, and M. Tan, A general recursive linear method and unique solution pattern design for the perspective-n-point problem", Image Vis. Comput., vol. 26, no. 6, pp. 740-750, 2008. [DOI:10.1016/j.imavis.2007.08.008]
9. [9] M. Nezhadshahbodaghi and M. R. Mosavi, "A loosely-coupled EMD-denoised stereo VO/INS/GPS integration system in GNSS-denied environments", Measurement, 183, 109895, 2021. [DOI:10.1016/j.measurement.2021.109895]
10. [10] J. Gui, D. Gu, S. Wang, and H. Hu, "A review of visual inertial odometry from filtering and optimisation perspectives", Adv. Robot., vol. 29, no. 20, pp. 1289-1301, 2015. [DOI:10.1080/01691864.2015.1057616]
11. [11] M. A. Fischler and R. C. Bolles, "A paradigm for model fitting with applications to image analysis and automated cartography (reprinted in readings in computer vision, ed. ma fischler,"", Comm. ACM, vol. 24, no. 6, pp. 381-395, 1981. [DOI:10.1145/358669.358692]
12. [12] Parsa P, Safabakhsh R. A New Method for Image Segmentation based on Multi-Objective Differential Evolution Fuzzy Clustering . Journal of Iranian Association of Electrical and Electronics Engineers. 2016; 13 (2) :103-114.
13. [13] kalantari S, Abdollahifard M J, ahmadi S. Image Super-Resolution Using Analytical Edge Model. Journal of Iranian Association of Electrical and Electronics Engineers. 2018; 15 (2) :45-54.
14. [14] A. J. Davison, I. D. Reid, N. D. Molton, and O. Stasse, "MonoSLAM: Real-time single camera SLAM", IEEE Trans. Pattern Anal. Mach. Intell., vol. 29, no. 6, pp. 1052-1067, 2007. [DOI:10.1109/TPAMI.2007.1049]
15. [15] Z.-L. Ren, L.-G. Wang, and L. Bi, "Improved extended kalman filter based on fuzzy adaptation for slam in underground tunnels", Int. J. Precis. Eng. Manuf., vol. 20, no. 12, pp. 2119-2127, 2019. [DOI:10.1007/s12541-019-00222-w]
16. [16] M.-Y. Ju, Y.-J. Chen, and W.-C. Jiang, "Implementation of odometry with ekf in hector slam methods", Int. J. Autom. Smart Technol., vol. 8, no. 1, pp. 9-18, 2018.
17. [17] Y. Song, Z. Zhang, J. Wu, Y. Wang, L. Zhao, and S. Huang, "A Right Invariant Extended Kalman Filter for Object based SLAM", arXiv Prepr. arXiv2109.05297, 2021.
18. [18] T. Nemoto, K. Onodera, R. E. Mohan, M. Iwase, and K. Wood, "An application of the simultaneous localization and mapping (slam) method based on the unscented kalman filter (ukf) to a reconfigurable quadruped robot with crawling locomotion", in 2018 International Conference on Reconfigurable Mechanisms and Robots (ReMAR), 2018, pp. 1-8. [DOI:10.1109/REMAR.2018.8449851]
19. [19] I. Ullah, X. Su, X. Zhang, and D. Choi, "Simultaneous localization and mapping based on Kalman filter and extended Kalman filter", Wirel. Commun. Mob. Comput., vol. 2020, 2020. [DOI:10.1155/2020/2138643]
20. [20] G. P. Huang, A. I. Mourikis, and S. I. Roumeliotis, "A first-estimates Jacobian EKF for improving SLAM consistency", in Experimental Robotics, 2009, pp. 373-382. [DOI:10.1007/978-3-642-00196-3_43]
ارسال پیام به نویسنده مسئول
| بازنشر اطلاعات | |
 |
این مقاله تحت شرایط Creative Commons Attribution-NonCommercial 4.0 International License (CC BY NC 4.0) قابل بازنشر است. |
