شناخت همزمان مكان و نقشه در ربات متحرك با افزايش سرعت و يك روش مسيريابي

روشهاي بسياري براي مسيريابي ربات با شناخت همزمان مكان و نقشه استفاده شده است، FASTSLAM2.0 كه بر پايه ي توزيع ذرات مي باشد، يكي از اين روشها است و دقت بسيار خوبي نسبت به ساير روشها دارا مي باشد، اين روش برپايه ي فيلترهاي كالمن و زنجيرهي ماركوف ميباشد. روشهاي بر پايه ي توزيع ذرات از مجموعه مراحلي تشكيل شده اند، براساس شبيه سازيهاي انجام شده محاسـبه ي وزن ذرات و بـروزرساني نقشه بيشترين زمان را دارا مي باشند. براي كاهش زمان بروزرساني نقشه از ساختارهاي دادهاي همچون درخـت جسـتوجـوي دودويـي استفاده شده است و براي محاسبه ي وزن با توجه به آنكه ذرات موجود در توزيع ذرات و نشانه هاي مسير دو مشخصه ي محاسبه ي وزن مي باشند و از طرف ديگر با توجه به شرط استقلال در نشانه ها و ذرات در FAST SLAM2.0 ، استفاده نمودن از پردازنده هاي موازي مي تواند مقدار زمـان را از واحد ثانيه به ميلي و يا ميكرو ثانيه تبديل كند. در اين نوشتار سعي شده اسـت بـا بيـان كلـي روش FASTSLAM2.0 و مراحـل انجـام آن، مقايسه اي ميان سرعت انجام محاسبه ي وزن در يك دوره در پردازنده ي مركزي و پردازنده ي گرافيكي انجام شود و با نتـايج بـه دسـت آمـده بـا پژوهشي مشابه مقايسه شود. براي بروز رساني نقشه نيز مقايسه اي ميان درخت جستوجوي دودويي و استفاده از فيلترهاي كالمن توسعه يافتـه انجام شده است.