Comparison of algorithms for simultaneous localization and mapping problem for mobile robot

Abstract

This paper presents a comparison of selected algorithms for simultaneous localization and mapping (SLAM) problem in mobile robotics. Results of four general metaheuristics, Simple Genetic Algorithm, Particle Swarm Optimization, Quantum-Inspired Genetic Algorithms and Genetic Algorithm with Quantum Probability Representation, have been compared to results of classical, analytic method in this field, Iterative Closes Points algorithm. In the experiments the same objective function, drawn from Iterative Closest Points algorithm, has been used. Two situations have been considered: local and global localization problems of mobile robot. Both problems are import and often critical for successful navigation of robot in environment. W artykule zostało przedstawione porównanie wybranych algorytmów w zadaniu lokalizacji w przestrzeni robota mobilnego. Poddane analizie zostały wyniki uzyskane przez cztery ogólne metaheurystyki przeszukiwania: klasyczny algorytm genetyczny, metoda roju cząstek oraz dwa kwantowo inspirowane algorytmy genetyczne. Wyniki zostały porównane z klasyczną, analityczną metodą Iterative Closest Points, wykorzystywaną często do rozwiązywania rozważanego w artykule problemu. We wszystkich eksperymentach została wykorzystana taka sama funkcja celu, utworzona przy wykorzystaniu algorytmu Iterative Closest Points. Rozważono dwa warianty zagadnienia lokalizacji: problem lokalizacji lokalnej oraz globalnej. Obydwa zagadnienia mają krytyczne znaczenie w prawidłowym funkcjonowaniu autonomicznego robota mobilnego.