کد مقاله کد نشریه سال انتشار مقاله انگلیسی نسخه تمام متن
10326929 680428 2015 15 صفحه PDF دانلود رایگان
عنوان انگلیسی مقاله ISI
A novel method for computation of importance weights in Monte Carlo localization on line segment-based maps
ترجمه فارسی عنوان
یک روش جدید برای محاسبه وزن اهمیت در مکان بندی مونت کارلو بر روی نقشه های خطی مبتنی بر خط
کلمات کلیدی
وزن اهمیت، نقشه خط، بومی سازی، مونت کارلو، فیلتر ذرات، ردیابی پوزیشن،
ترجمه چکیده
محلی سازی مونت کارلو یک رویکرد قدرتمند و محبوب در محلی سازی ربات های موبایل است. نقشه های مبتنی بر خط ارائه یک نمایش جمع و جور و مقیاس پذیر از محیط های داخلی برای ناوبری ربات موبایل است. اما مکان بندی مونت کارلو به ندرت مورد مطالعه در نقشه های مبتنی بر خط است. یک گام کلیدی از رویکرد - و یکی که می تواند آن را با ویژگی های دقت، کارایی و کارایی آن تحمیل کند - محاسبه وزن اهمیت به اصطلاح مرتبط با هر ذره است. در این مقاله، ما یک روش جدید برای محاسبه وزن اهمیت در نقشه های ارائه شده با بخش های خط ارائه می دهیم، و به طور گسترده ای در عملکرد آن در ردیابی پوسته مطالعه می کنیم. ما همچنین روش ما را با سه روش دیگر در ادبیات مقایسه می کنیم و نتایج و بینش ها را جمع آوری می کنیم. مطالعه تطبیقی ​​که با استفاده از داده های شبیه سازی شده و واقعی انجام شده بر روی نقشه های ساخته شده از داده های واقعی موجود در حوزه عمومی به وضوح نشان می دهد که روش پیشنهادی دقیق تر، قوی و کارآمدتر از سایر روش ها است.
موضوعات مرتبط
مهندسی و علوم پایه مهندسی کامپیوتر هوش مصنوعی
چکیده انگلیسی
Monte Carlo localization is a powerful and popular approach in mobile robot localization. Line segment-based maps provide a compact and scalable representation of indoor environments for mobile robot navigation. But Monte Carlo localization has seldom been studied in the context of line segment-based maps. A key step of the approach-and one that can endow it with or rob it of the attributes of accuracy, robustness and efficiency-is the computation of the so called importance weight associated with each particle. In this paper, we propose a new method for the computation of importance weights on maps represented with line segments, and extensively study its performance in pose tracking. We also compare our method with three other methods reported in the literature and present the results and insights thus gathered. The comparative study, conducted using both simulated and real data, on maps built from real data available in the public domain clearly establish that the proposed method is more accurate, robust and efficient than the other methods.
ناشر
Database: Elsevier - ScienceDirect (ساینس دایرکت)
Journal: Robotics and Autonomous Systems - Volume 74, Part A, December 2015, Pages 51-65
نویسندگان
, , ,