Resumen

La localización y mapeo simultáneos rápidos (FastSLAM) es un algoritmo eficiente para la navegación autónoma de vehículos móviles. Sin embargo, FastSLAM debe reconfigurar toda la ecuación de estado del vehículo cuando cambian los puntos característicos, lo que provoca un crecimiento exponencial de las cantidades de cálculo y dificultades para aislar posibles fallos. Para superar estas limitaciones, en este trabajo se desarrolla un FastSLAM mejorado, basado en la estructura distribuida. Hay dos partes de estimación de estado diseñadas en este FastSLAM mejorado. En primer lugar, en la parte de estimación del estado del vehículo se utiliza un filtro de partículas distribuido y no perfundido para evitar la reconfiguración de toda la ecuación del sistema. En segundo lugar, en la parte de estimación de puntos de referencia, el modelo de observación se diseña como lineal para actualizar los estados de los puntos de referencia utilizando los errores lineales de observación. A continuación, se presenta la convergencia del algoritmo FastSLAM propuesto y mejorado en el sentido del cuadrado medio. Por último, los resultados de la simulación muestran que el algoritmo distribuido propuesto puede reducir la complejidad computacional con una alta precisión y un alto rendimiento de tolerancia a fallos.

• Materias:Redes de sensores Sensores inalámbricos Sensor inteligente Sensores electroquímicos Biosensores
• Subjects:Sensor networks Wireless sensors Intelligent sensor Electrochemical sensors Biosensors
• Palabras claves:fastslam, ecuación del estado del vehículo completo, parte de estimación del estado del vehículo, localización simultánea rápida, ecuación del sistema completo, parte de estimación de puntos de referencia, errores de observación lineales, partes de estimación del estado, filtro de partículas sin aroma, algoritmo fastslam
• Keywords:fastslam, entire vehicle state equation, vehicle state estimation part, fast simultaneous localization, entire system equation, landmarks estimation part, linear observation errors, state estimation parts, unscented particle filter, fastslam algorithm