A novel qualitative motion model based probabilistic indoor global localization method

این مقاله یک رویکرد جدید محلی سازی مبتنی بر یک مدل حرکت کیفی برای رسیدگی به ضعف در روش های محلی سازی احتمالی سنتی ارائه می دهد. برای نشان دادن نقشه شبکه جهانی اشغال برای مکانیزاسیون کارآمد، ما مجموعه ای فرض فرض جهانی را بر روی نقشه شبکه تولید می کنیم. سپس نقشه به صورت مجموعه ای از مشاهدات مجازی مربوط به عناصر نمایش داده می شود. محلی سازی جهانی آنلاین بر اساس فیلتر ذرات افزایش یافته است. اول، مجموعه ذرات توسط یک فرایند نمونه گیری در فرضیه های تولید شده تعیین شده که در آن ربات ممکن است قرار گیرد به دست می آید. دوم، مجموعه ذرات با استفاده از یک مدل حرکتی کیفی به کار می رود و اثر منفی عدم قطعیت مدل حرکت حذف می شود. سوم، در روند ردیابی ذرات، اطلاعات تاریخی و مشاهده فعلی در باور ذرات گنجانیده شده است. ربات به عنوان ذره با بالاترین وزن تخمین زده می شود. علاوه بر این، دقت محلی سازی را می توان با انتخاب نمونه های فرضیه با تراکم های مختلف تنظیم کرد. نتایج آزمایشات نشان می دهد که روش پیشنهادی برای عدم اطمینان مدل حرکتی قوی است و می تواند محلی سازی دقیق جهانی را انجام دهد.