國立高雄大學圖資館 |

語系: 繁體中文

說明(常見問題)

圖資館首頁

登入

回首頁

切換: 標籤 | MARC模式 | ISBD

基因演算法實現機動型機器人之同時定位與地圖建立 = A genetic-...

國立高雄大學電機工程學系碩士班

基因演算法實現機動型機器人之同時定位與地圖建立 = A genetic-based SLAM system for mobile robots

紀錄類型:	書目-語言資料,印刷品 : 單行本
並列題名:	A genetic-based SLAM system for mobile robots
作者:	陳詣翰,
其他團體作者:	國立高雄大學
出版地:	高雄市
出版者:	國立高雄大學;
出版年:	2013[民102]
面頁冊數:	57葉部分彩圖，表格 : 30公分;
標題:	機動型機器人
標題:	mobile robot
電子資源:	https://hdl.handle.net/11296/x5ew9g
附註:	107年11月1日公開
附註:	參考書目：葉52-57
摘要註:	即時定位與地圖建立(simultaneous localization and mapping, SLAM) 是一種依據機器人的感測訊號, 在機器人移動時標定出機器人的位置, 並同時建立或更新其所在的地圖, 以利後續的定位與任務的遂行。SLAM 的原理是搜尋機器人兩次感測訊號間的相似度, 建立對應環境的相似圖形。此計算過程涉及圖形比對(pattern matching) ,在資料點數量龐大時, 往往耗費許多計算時間, 不利於機動型機器人的實務應用。本論文發展快速的SLAM 方法, 以利機動型機器人的實務應用。論文中以雷射測距儀(laser range finder, LRF) 作為感測訊號來源, 擷取機器人感測訊號的特徵點, 以減少圖形比對的資料量; 再利用基因演算法(genetic algorithm) 將環境感測特徵點與機器人移動(旋轉與位移) 位置資訊混合編碼成染色體, 以限制演化方式, 快速計算機器人位置與特徵點的關係, 並以適應函數(fitness function) 計算SLAM 資料的比對與建立的合理性, 以實現即時SLAM 系統。本論文將此方法實做於一實體機器人上, 並進行實機測試。實驗結果發現, 由於本方法保留了雷射測距儀感測環境的重要特徵點, 不僅使得即時定位與地圖建立在運作上較為快速, 且相較於傳統映射有更多的彈性, 使得本研究有較佳效果。 Simultaneous localization and mapping (SLAM) is an important technique for the localization of mobile robots. For SLAM, mobile robots periodically collect data that describe the objects and obstacles in the surroundings using various types of sensors. The main task in SLAM is similarity pattern matching of sets of sensor data, which is a time-consuming task when a number of sensor data are used. This thesis presents a genetic-based method for fast SLAM calculation for the application of mobile robots. A laser range finder (LRF) is installed on a mobile robot for collecting SLAM data. From the LRF points, several representative ones are extracted for describing the main features of the surroundings. The potential position of the robot that produces the selected LRF feature points are encoded as chromosomes for genetic-based pattern matching. A fitness function that calculates the similarity of two chromosomes is defined. A restart mechanism that re-initializes all chromosomes for increasing the diversity of solutions is developed and works with the matching process. Some constrains are developed for filtering out irrational chromosomes after the operation of crossover and mutation. With fewer points for similarity comparison and constrained genetic operations, fast converge can be obtained. Experiments are conducted on a real mobile robot. The experimental results show that our proposed method is efficient and effective for SLAM.

基因演算法實現機動型機器人之同時定位與地圖建立 = A genetic-based SLAM system for mobile robots
陳, 詣翰

基因演算法實現機動型機器人之同時定位與地圖建立 = A genetic-based SLAM system for mobile robots / 陳詣翰撰 - 高雄市 : 國立高雄大學, 2013[民102]. - 57葉 ; 部分彩圖，表格 ; 30公分.
107年11月1日公開參考書目：葉52-57.
機動型機器人mobile robot

基因演算法實現機動型機器人之同時定位與地圖建立 = A genetic-based SLAM system for mobile robots
LDR:04036nam a2200277 450 001 389738
005 20190102102720.0
010 0 $b 精裝
010 0 $b 平裝
100 $a 20130926y2013 k y0chiy50 e
101 1 $a chi $d chi $d eng
102 $a tw
105 $a ak am 000yy
200 1 $a 基因演算法實現機動型機器人之同時定位與地圖建立 $d A genetic-based SLAM system for mobile robots $z eng $f 陳詣翰撰
210 $a 高雄市 $c 國立高雄大學 $d 2013[民102]
215 0 $a 57葉 $c 部分彩圖，表格 $d 30公分
300 $a 107年11月1日公開
300 $a 參考書目：葉52-57
314 $a 指導教授：吳志宏博士
328 $a 碩士論文--國立高雄大學電機工程學系碩士班
330 $a 即時定位與地圖建立(simultaneous localization and mapping, SLAM) 是一種依據機器人的感測訊號, 在機器人移動時標定出機器人的位置, 並同時建立或更新其所在的地圖, 以利後續的定位與任務的遂行。SLAM 的原理是搜尋機器人兩次感測訊號間的相似度, 建立對應環境的相似圖形。此計算過程涉及圖形比對(pattern matching) ,在資料點數量龐大時, 往往耗費許多計算時間, 不利於機動型機器人的實務應用。本論文發展快速的SLAM 方法, 以利機動型機器人的實務應用。論文中以雷射測距儀(laser range finder, LRF) 作為感測訊號來源, 擷取機器人感測訊號的特徵點, 以減少圖形比對的資料量; 再利用基因演算法(genetic algorithm) 將環境感測特徵點與機器人移動(旋轉與位移) 位置資訊混合編碼成染色體, 以限制演化方式, 快速計算機器人位置與特徵點的關係, 並以適應函數(fitness function) 計算SLAM 資料的比對與建立的合理性, 以實現即時SLAM 系統。本論文將此方法實做於一實體機器人上, 並進行實機測試。實驗結果發現, 由於本方法保留了雷射測距儀感測環境的重要特徵點, 不僅使得即時定位與地圖建立在運作上較為快速, 且相較於傳統映射有更多的彈性, 使得本研究有較佳效果。 Simultaneous localization and mapping (SLAM) is an important technique for the localization of mobile robots. For SLAM, mobile robots periodically collect data that describe the objects and obstacles in the surroundings using various types of sensors. The main task in SLAM is similarity pattern matching of sets of sensor data, which is a time-consuming task when a number of sensor data are used. This thesis presents a genetic-based method for fast SLAM calculation for the application of mobile robots. A laser range finder (LRF) is installed on a mobile robot for collecting SLAM data. From the LRF points, several representative ones are extracted for describing the main features of the surroundings. The potential position of the robot that produces the selected LRF feature points are encoded as chromosomes for genetic-based pattern matching. A fitness function that calculates the similarity of two chromosomes is defined. A restart mechanism that re-initializes all chromosomes for increasing the diversity of solutions is developed and works with the matching process. Some constrains are developed for filtering out irrational chromosomes after the operation of crossover and mutation. With fewer points for similarity comparison and constrained genetic operations, fast converge can be obtained. Experiments are conducted on a real mobile robot. The experimental results show that our proposed method is efficient and effective for SLAM.
510 1 $a A genetic-based SLAM system for mobile robots $z eng
610 # 0 $a 機動型機器人 $a 即時定位與地圖建立 $a 圖形比對 $a 雷射測距儀 $a 基因演算法 $a 適應函數
610 # 1 $a mobile robot $a simultaneous localization and mapping $a image correspond $a laser range finder $a genetic algorithm $a fitness function
681 $a 008M/0019 $b 542201 7504.5 $v 2007年版
700 1 $a 陳 $b 詣翰 $4 撰 $3 614595
712 0 2 $a 國立高雄大學 $b 電機工程學系碩士班 $3 166118
712 0 2 $a 國立高雄大學 $b 電機工程學系碩士班計算機組 $3 807285
801 0 $a tw $b NUK $c 20181115 $g CCR
856 7 # $u https://hdl.handle.net/11296/x5ew9g $z 電子資源 $2 http