學位論文

Permanent URI for this collectionhttp://rportal.lib.ntnu.edu.tw/handle/20.500.12235/73890

Browse

Has files: NoSubject: search.filters.subject.FastSLAM

Search Results

Now showing 1 - 2 of 2
  • No Thumbnail Available
    Item
    結合環境探索策略與路徑規劃之適應計算性同時定位與建圖
    (2016) 龔大瑋; Kung, Da-Wei
    FastSLAM是目前解決同時定位與建圖最主要的方法，其中FastSLAM 2.0隨著地標的不斷增加，量測資訊與粒子內所存地標的比對次數也會大幅增加，導致計算效率降低。因此本論文提出一改良方法，稱之為「適應性計算之同時定位與建圖演算法(ACSLAM)」，在一開始的粒子更新階段係與FastSLAM 1.0相同，只採用里程計資訊，接下來在更新地標的階段，先選擇與量測資訊有最大相似性的地標先更新粒子狀態，再來更新地標。並且在重新取樣的階段使用「有效取樣大小」的值來決定下一次演算法的粒子數目，透過此方法來提高計算效率以及定位的精確度。然而單純運用SLAM演算法並無法進行環境探索與路徑規劃，因此本論文將ACSLAM整合基於邊緣偵測(frontier-based)之環境探索方法以及向量場路徑規劃，使機器人能完全自主性的執行任務。在實作方面，我們選擇了Pioneer 3-DX機器人作為移動平台，並搭配SICK感測器來偵測周圍環境，實驗結果證明，本方法可以使機器人在完全未知的環境下，自主地將環境探索完畢，並且完成建圖定位以及路徑規劃的任務。
  • No Thumbnail Available
    Item
    具高運算效率之單攝影機視覺型同時定位與建圖系統
    (2016) 黃騰緯; Huang, Teng-Wei
    解決同時定位與建圖問題最常用的方法是FastSLAM演算法。而FastSLAM2.0的運算效率雖比EKF-SLAM來的高，但FastSLAM2.0會隨著探索時間的增加，比對先前所見地標資訊的次數變多，導致運算效能降低。故本論文對此提出一改良方法，稱之為「具高運算效率同時定位與建圖演算法(ROSLAM)」，在預測機器人位置時可視當前粒子收斂情形，決定是否使用感測器資訊更新機器人位置；並且在每一時刻檢查範圍內的地標數量是否與前一刻相同來判斷是否更新地標。模擬結果顯示，本論文所提出的演算法較FastSLAM2.0與CESLAM皆有兩倍或更高的運算速度提升，並且維持一定精準度。另外，由於SLAM演算法常常搭配雷射感測器來完成任務，但較好的雷射感測器不僅重量可觀，價格也不斐。因此本論文提出一影像特徵量測系統，使用單一攝影機搭配影像處理的方式，將地面與非地面物的邊緣特徵找出並計算該特徵點與機器人的距離，來達到取代傳統雷射感測器的目的。實驗結果證明，本系統除了可以單獨使用於距離量測外，也可與ROSLAM結合，成為具高運算效率之單攝影機視覺型同時定位與建圖系統。