Journal of Iranian Association of Electrical and Electronics Engineers

fa فیلتر کالمن توسعه یافته مشاهده پذیر مقید برای سامانه های ناوبری SLAM؛ طراحی و مقایسه Observability-Constraint Extended Kalman Filter for SLAM Navigation Systems; Design and Comparison کنترل Control پژوهشي Research 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. Recently, the use of different visual navigation algorithms as a navigation-aided system has been become of interest by many researchers. In most of these approaches, to improve the accuracy of the navigation problem, undesired predicted landmarks are used again in comparison with the output of the algorithm by appropriate filtering units for fusion and integration in the system. However, the number of points with a specific feature, the amount of noise, and the presence or absence of color noise have a direct impact on the performance of the conventional filters such as extended Kalman filter (EKF). In this paper, in addition to demonstrating how to model SLAM-based video navigation systems and systematically design and implement filtering unit, an observability-constrained EKF (OC-EKF) has been proposed for improving the performance of the system and minimizing the system errors. The main contribution of the proposed scheme is that it has provided the SLAM filtering mechanism as a constrained optimization issue that considers the observability constraints in the estimation problem. Besides, the performance of OC-EKF is compared with the standard EKF (STD-EKF) and the first estimate Jacobean EKF (FEJ-EKF), Hinf-based Kalman Filter (KF), and Robust KF; where, the robust performance of the proposed scheme against uncertainties, white and color noises have been verified through comprehensive simulation results. As shown in the Monte Carlo simulation results, the proposed OC-EKF not only provides more accurate navigation, but also behaves more robustly against system uncertainties and noises. سامانه‌های ناوبری, ناوبری بصری-اینرسی, تلفیق اطلاعات, فیلتر کالمن تعمیم‌یافته‌, مکان‌یابی و نقشه‌برداری همزمان Navigation Systems, Visual-Inertial odometry, Data Fusion, Extended Kalman Filter, Simultaneous Localization and Mapping (SLAM). 37 49 http://jiaeee.com/browse.php?a_code=A-10-2547-2&slc_lang=fa&sid=1 Yusef Khayaat یوسف خیاط y.khayat@uok.ac.ir 100319475328460012635 100319475328460012635 No Faculty of Electrical Engineering, University of Kurdistan دانشکده مهندسی برق- دانشگاه کردستان Saeed Khankalantary سعید خان کلانتری s.kalantary@kntu.ac.ir 100319475328460012636 100319475328460012636 Yes KN Toosi University of Technology دانشکده مهندسی برق- دانشگاه صنعتی خواجه ‌نصیرالدین طوسی