[發(fā)明專利]一種基于遺傳算法的離線參數(shù)標定方法在審
| 申請?zhí)枺?/td> | 202010972259.8 | 申請日： | 2020-09-16 |
| 公開（公告）號： | CN112037289A | 公開（公告）日： | 2020-12-04 |
| 發(fā)明（設(shè)計）人： | 姜躍君;蔡亞 | 申請（專利權(quán)）人： | 安徽意歐斯物流機器人有限公司 |
| 主分類號： | G06T7/80 | 分類號： | G06T7/80;G01S17/89;G06N3/00;G06N3/12 |
| 代理公司： | 合肥律眾知識產(chǎn)權(quán)代理有限公司 34147 | 代理人： | 鄧盛花 |
| 地址： | 230000 安徽省合肥市高新區(qū)*** | 國省代碼： | 安徽;34 |
| 權(quán)利要求書： | 查看更多 | 說明書： | 查看更多 |
| 摘要： | |||
| 搜索關(guān)鍵詞： | 一種 基于 遺傳 算法 離線 參數(shù) 標定 方法 | ||
本發(fā)明公開了一種基于遺傳算法的離線參數(shù)標定方法，屬于即時定位與地圖構(gòu)建技術(shù)領(lǐng)域，包括以下步驟明確標定參數(shù)，選取合適輸入輸出變量，建立待標定參數(shù)的數(shù)學(xué)模型；采集N組輸入輸出變量數(shù)據(jù)，建立最小化殘差函數(shù)，用于代表上述數(shù)學(xué)模型映射到理論上對應(yīng)的輸出變量空間與實際輸出向量空間的差值；利用遺傳算法選取輸入輸出變量中的最優(yōu)個體，帶入所述最小化殘差函數(shù)中，求解出待標定參數(shù)。通過采集多組輸入變量和輸出變量數(shù)據(jù)構(gòu)建最小化目標函數(shù)，運用遺傳算法求解參數(shù)變量，最終得到需要標定參數(shù)的全局最優(yōu)解，該方法便捷高效，適應(yīng)性高，全局尋優(yōu)能力強。
技術(shù)領(lǐng)域
本發(fā)明屬于即時定位與地圖構(gòu)建技術(shù)領(lǐng)域，特別涉及一種基于遺傳算法的離線參數(shù)標定方法。
背景技術(shù)
SLAM(即時定位與地圖構(gòu)建)領(lǐng)域中的參數(shù)標定工作至關(guān)重要，如：視覺SLAM中相機成像的幾何模型參數(shù)，激光SLAM中激光雷達與底盤中心的相對位姿矩陣等，其標定結(jié)果的準確性和精度直接影響SLAM算法的精確性和穩(wěn)定性。在建立參數(shù)標定數(shù)學(xué)模型的基礎(chǔ)上，用于求解參數(shù)的數(shù)學(xué)方法有最小二乘法、高斯牛頓法等，此類方法在給定良好初始迭代值下能夠收斂到全局最優(yōu)解，但是給定不適當(dāng)?shù)某跏贾迪氯菀紫萑刖植孔顑?yōu)解。
遺傳算法(英文：Genetic Algorithm，簡稱：GA)是一種并行算法，具有很強的全局收斂能力，因此本發(fā)明提出一種基于遺傳算法(GA)離線參數(shù)標定方法，尤其適用于標定參數(shù)數(shù)學(xué)模型復(fù)雜的情況。
發(fā)明內(nèi)容
本發(fā)明的目的就在于為了解決上述參數(shù)標定需要依賴初始值的給定，否則標定的參數(shù)變量易陷入局部最優(yōu)解的問題提出一種基于遺傳算法的離線參數(shù)標定方法，具有確輸入變量與輸出變量的基礎(chǔ)上首先建立參數(shù)標定的數(shù)學(xué)模型，在線采集多組輸入變量以及相對應(yīng)的輸出變量值，再離線進行遺傳算法求解，最終得到需要標定參數(shù)的全局最優(yōu)解，便捷高效，適應(yīng)性高，全局尋優(yōu)能力強的優(yōu)點。
本發(fā)明通過以下技術(shù)方案來實現(xiàn)上述目的，一種基于遺傳算法的離線參數(shù)標定方法，包括以下步驟：
明確標定參數(shù)，選取合適輸入輸出變量，建立待標定參數(shù)的數(shù)學(xué)模型；
采集N組輸入輸出變量數(shù)據(jù)，建立最小化殘差函數(shù)，用于代表上述數(shù)學(xué)模型映射到理論上對應(yīng)的輸出變量空間與實際輸出向量空間的差值；
利用遺傳算法選取輸入輸出變量中的最優(yōu)個體，帶入所述最小化殘差函數(shù)中，求解出待標定參數(shù)，其中遺傳算法包括：
a、設(shè)計可被處理器識別的個體編碼方式來代表N組輸入輸出變量數(shù)據(jù)，將代表每組變量數(shù)據(jù)的個體編碼組成編碼串；
b、將所述編碼串作為初代種群，并對所述初代種群中的各參數(shù)變量進行所述最小化殘差函數(shù)運算，選擇最優(yōu)個體；
c、對初代種群中的最優(yōu)個體進行迭代，達到最大迭代次數(shù)后，輸出最優(yōu)個體。
優(yōu)選的，所述待標定參數(shù)的數(shù)學(xué)模型為：
[y1,y2,…]＝f(a1x1+a2x2+…)or Y＝f(P·X)
其中，f表示輸入變量和輸出變量的函數(shù)關(guān)系，即需要建立的數(shù)學(xué)模型,‘·’表示向量內(nèi)積，X表示輸入向量：X＝[x1,x2,…]，xi(i＝1,2,…)表示第i個輸入變量；Y＝[y1,y2,…]，yi(i＝1,2,…)表示第i個輸出變量，P表示帶標定參數(shù)向量：P＝[a1,a2,…]，ai(i＝1,2,…)表示第i個標定參數(shù)。
優(yōu)選的，所述最小化殘差函數(shù)為：
該專利技術(shù)資料僅供研究查看技術(shù)是否侵權(quán)等信息，商用須獲得專利權(quán)人授權(quán)。該專利全部權(quán)利屬于安徽意歐斯物流機器人有限公司，未經(jīng)安徽意歐斯物流機器人有限公司許可，擅自商用是侵權(quán)行為。如果您想購買此專利、獲得商業(yè)授權(quán)和技術(shù)合作，請聯(lián)系【客服】
本文鏈接：http://www.szxzyx.cn/pat/books/202010972259.8/2.html，轉(zhuǎn)載請聲明來源鉆瓜專利網(wǎng)。
