Алгоритм навигации беспилотного летательного аппарата на основе улучшенного алгоритма одновременной локализации и картографирования с адаптивным локальным диапазоном наблюдения

15 / 19

Кэ Кэ Гэн, Н.А. Чулин
90 ISSN 0236-3933. Вестник МГТУ им. Н.Э. Баумана. Сер. Приборостроение. 2017. № 3
Сравнение результата эксперимента, приведенного на рис. 9 и 10, показыва-
ет, что предсказанная траектория движения с приемлемой точностью совпадает
с истинной траекторией движения на спутниковой карте, что подтверждает
правильность алгоритма.
Заключение. Для решения проблемы высокой вычислительной сложности
и низкой точности позиционирования стандартного алгоритма EKF–SLAM
предложен улучшенный алгоритм EKF–SLAM с адаптивным диапазоном
наблюдения (AR-EKF–SLAM). Диапазон наблюдения БПЛА и локальная карта
динамически ограничивают круговой областью с изменяемым радиусом, при
этом рассматривают лишь ориентиры, удовлетворяющие вводимым ограниче-
ниям. В результате размер вектора состояния системы не будет постоянно уве-
личиваться с приращением числа наблюдаемых ориентиров, и, как следствие, не
будет возрастать время расчета при сохранении достаточной точности позици-
онирования. Результаты моделирования показывают, что предложенный метод
может эффективно улучшить точность позиционирования, скорость вычисле-
ния и эффективность работы алгоритма одновременной локализации и карто-
графирования при оперативном в реальном времени планировании маршрута
БПЛА, особенно в сложных и протяженных средах.
ЛИТЕРАТУРА
1. Cheeseman P., Smith R., Self M. A stochastic map for uncertain spatial relationships // 4th Int.
Symp. on Robotic Research. 1987. P. 467–474.
2. Biswas J., Veloso M. Depth camera based indoor mobile robot localization and navigation // IEEE
Int. Conf. on Robotics and Automation. 2012. P. 1697–1702.
DOI: 10.1109/ICRA.2012.6224766 URL:
3. Tu Y., Huang Z., Zhang X., et al. The mobile robot SLAM based on depth and visual sensing in
structured environment // Robot Intelligence Technology and Applications 3. 2015. P. 343–357.
DOI: 10.1007/978-3-319-16841-8_32
URL:
4. Choi Y.W., Kim K.D., Choi J.W., Lee S.G. Laser image SLAM based on image matching for navi-
gation of a mobile robot // Journal of the Korean Society for Precision Engineering. 2013. Vol. 30.
No. 2. P. 177–184. DOI: 10.7736/KSPE.2013.30.2.177
URL:
5. Fabresse F.R., Caballero F., Maza I., Ollero A. Localization and mapping for aerial manipulation
based on range-only measurements and visual markers // IEEE Int. Conf. on Robotics and Auto-
mation (ICRA). 2014. P. 2100–2106. DOI: 10.1109/ICRA.2014.6907147
URL:
6. Roh H.C., Sung C.H., Kang M.T., Chung M.J. Fast SLAM using polar scan matching and particle
weight based occupancy grid map for mobile robot // 8th Int. Conf. on Ubiquitous Robots and
Ambient Intelligence (URAI). 2011. P. 756–757. DOI: 10.1109/URAI.2011.6146004
URL:
7. Qu L., He S., Qu Y. An SLAM algorithm based on improved UKF // 24th Chinese Control and
Decision Conf. (CCDC). 2012. P. 4154–4157. DOI: 10.1109/CCDC.2012.6243112
URL: