The 10 reference contexts in paper KeKe Gen, N. Chulin A., К. Гэн, Н. Чулин А. (2016) “Алгоритм локальной ассоциации данных SLAM на основе улучшенного муравьиного алгоритма // Algorithm of Particle Data Association for SLAM Based on Improved Ant Algorithm” / spz:neicon:technomag:y:2015:i:0:p:340-355

  1. Start
    1554
    Prefix
    Ключевые слова: алгоритм SLAM, хаотическое возмущение, улучшенный муравьиный алгоритм, расстояние Махаланобиса, евклидовое расстояние Введение В настоящее время беспилотные летательные аппараты (БПЛА) используются достаточно широко и разнообразно, но, в основном, при управлении с пульта оператора. Алгоритм SLAM
    Exact
    [1-3]
    Suffix
    (Simultaneous localization and mapping – одновременная локализация и картографирование), позволяющий прогнозировать положение и скорость, а также соотношения параметров полета и координат ориентиров и препятствий в неизвестной среде, является одним из ключевых подходов для осуществления автономного полета БПЛА.
    (check this in PDF content)

  2. Start
    2647
    Prefix
    Таким образом, алгоритм ассоциация данных оказывает важное влияние на точность и надежность алгоритма SLAM. В последние годы было предложено много способов ассоциаций данных для алгоритма SLAM. Например, алгоритмы ICN (Individual Compatibility Neighbor – Индивидуальной Совместимости Соседа)
    Exact
    [4]
    Suffix
    и ICNN (Individual Compatibility Nearest Neighbor – Индивидуальной Совместимости Ближайшего Соседа) [5] имеют высокую скорость расчёта и просты в реализации, но не учитывают корреляцию между ориентирами.
    (check this in PDF content)

  3. Start
    2751
    Prefix
    Например, алгоритмы ICN (Individual Compatibility Neighbor – Индивидуальной Совместимости Соседа) [4] и ICNN (Individual Compatibility Nearest Neighbor – Индивидуальной Совместимости Ближайшего Соседа)
    Exact
    [5]
    Suffix
    имеют высокую скорость расчёта и просты в реализации, но не учитывают корреляцию между ориентирами. Из-за этого правильность и надежность ассоциации не достаточно высока, что может приводить к расхождению алгоритма SLAM.
    (check this in PDF content)

  4. Start
    3074
    Prefix
    Из-за этого правильность и надежность ассоциации не достаточно высока, что может приводить к расхождению алгоритма SLAM. Алгоритмы JCBB (Joint Compatibility Branch and Bound – Совместной Совместимости Ветвей и Границ)
    Exact
    [6]
    Suffix
    и MHT (Multiple Hypothesis Tracking – Отслеживания Нескольких Гипотез) [7] имеют высокую точность и надежность, но их вычислительная сложность резко увеличивается с увеличения количества ориентиров, поэтому они не могут быть применены к окружающей среде с большим количеством ориентиров.
    (check this in PDF content)

  5. Start
    3147
    Prefix
    Из-за этого правильность и надежность ассоциации не достаточно высока, что может приводить к расхождению алгоритма SLAM. Алгоритмы JCBB (Joint Compatibility Branch and Bound – Совместной Совместимости Ветвей и Границ) [6] и MHT (Multiple Hypothesis Tracking – Отслеживания Нескольких Гипотез)
    Exact
    [7]
    Suffix
    имеют высокую точность и надежность, но их вычислительная сложность резко увеличивается с увеличения количества ориентиров, поэтому они не могут быть применены к окружающей среде с большим количеством ориентиров.
    (check this in PDF content)

  6. Start
    3440
    Prefix
    Ветвей и Границ) [6] и MHT (Multiple Hypothesis Tracking – Отслеживания Нескольких Гипотез) [7] имеют высокую точность и надежность, но их вычислительная сложность резко увеличивается с увеличения количества ориентиров, поэтому они не могут быть применены к окружающей среде с большим количеством ориентиров. Для решения задачи ассоциации применялись также алгоритмы оптимизации
    Exact
    [8]
    Suffix
    , в том числе целочисленного программирования [9], а также теория графов [10]. Задачу ассоциации данных SLAM можно представить как задачу оптимизации [8]. Одним из широко используемых алгоритмов оптимизации является муравьиный алгоритм, обладающий свойствами положительной обратной связи и возможностью параллельного поиска, из-за чего этот алгоритм может быть использован для решения
    (check this in PDF content)

  7. Start
    3487
    Prefix
    Tracking – Отслеживания Нескольких Гипотез) [7] имеют высокую точность и надежность, но их вычислительная сложность резко увеличивается с увеличения количества ориентиров, поэтому они не могут быть применены к окружающей среде с большим количеством ориентиров. Для решения задачи ассоциации применялись также алгоритмы оптимизации [8], в том числе целочисленного программирования
    Exact
    [9]
    Suffix
    , а также теория графов [10]. Задачу ассоциации данных SLAM можно представить как задачу оптимизации [8]. Одним из широко используемых алгоритмов оптимизации является муравьиный алгоритм, обладающий свойствами положительной обратной связи и возможностью параллельного поиска, из-за чего этот алгоритм может быть использован для решения задачи ассоциации данных SLAM.
    (check this in PDF content)

  8. Start
    3513
    Prefix
    Нескольких Гипотез) [7] имеют высокую точность и надежность, но их вычислительная сложность резко увеличивается с увеличения количества ориентиров, поэтому они не могут быть применены к окружающей среде с большим количеством ориентиров. Для решения задачи ассоциации применялись также алгоритмы оптимизации [8], в том числе целочисленного программирования [9], а также теория графов
    Exact
    [10]
    Suffix
    . Задачу ассоциации данных SLAM можно представить как задачу оптимизации [8]. Одним из широко используемых алгоритмов оптимизации является муравьиный алгоритм, обладающий свойствами положительной обратной связи и возможностью параллельного поиска, из-за чего этот алгоритм может быть использован для решения задачи ассоциации данных SLAM.
    (check this in PDF content)

  9. Start
    3587
    Prefix
    Для решения задачи ассоциации применялись также алгоритмы оптимизации [8], в том числе целочисленного программирования [9], а также теория графов [10]. Задачу ассоциации данных SLAM можно представить как задачу оптимизации
    Exact
    [8]
    Suffix
    . Одним из широко используемых алгоритмов оптимизации является муравьиный алгоритм, обладающий свойствами положительной обратной связи и возможностью параллельного поиска, из-за чего этот алгоритм может быть использован для решения задачи ассоциации данных SLAM.
    (check this in PDF content)

  10. Start
    7548
    Prefix
    совместимости (IC) MEFij, где 1 i ji ji j T ME FE FE FvS v   – расстояние Махаланобиса между наблюдаемым ориентиром iE и ориентиром jF в пространстве совпадения; ijEFv– расстояния между ориентирами по результатам измерений; S– ковариационная матрица измерений;  – заданный порог ассоциации. 2.2 Муравьиный алгоритм Работу известного муравьиного алгоритма
    Exact
    [11,12]
    Suffix
    можно описать, рассмотрев поведение муравья, движущегося от муравейника в поисках пищи. Изначально муравей движется в случайном направлении. Если муравей находит пищу, то он возвращается к муравейнику, помечая пройденный путь специальным химическим веществом – феромоном.
    (check this in PDF content)