In this thesis, we introduce a Rao-Blackwellized Particle Filter (RBPF) for the algorithm Simultaneously Localizing and Mapping (SLAM) to be used on an Autonomous Underwater Vehicle (AUV) with a Stochastic Variational Gaussian Process (SVGP) algorithm. With a positive result, the combination was proven to be working. The main limitation has been the complexity of the two algorithms. Even though we got the two working together in a dynamic environment, it has only worked in a simulation. Before testing the solution on a real AUV in a natural environment, modifications need to be added, speeding up the whole process. / I det här examensarbetet har vi introducerat ett Rao-Blackwellized Partikel Filter (RBPF) med lokaliserings och kartläggnings algoritmen (SLAM). Detta för att användas på en autonom undervattensfarkost (AUV), tillsammans med algoritmen för att förutspå hittills osedda platser (SVGP). Kombinationen av de två algoritmerna på farkosten visade sig fungera. Den största begränsningen har varit hur tunga de båda algoritmerna är, vilket har lett till att färre partiklar har kunnat användas och med mindre noggrann träning per partikel. Dessutom har resultaten endast visats i en simulerad miljö. Innan det blir möjligt att testa kombinationen i en verklig miljö måste modifikationer göras för att snabba på träningen av algoritmerna och på så sett kunna använda sig av fler partiklar.
Identifer | oai:union.ndltd.org:UPSALLA1/oai:DiVA.org:kth-309094 |
Date | January 2021 |
Creators | Olsson, Stine |
Publisher | KTH, Skolan för elektroteknik och datavetenskap (EECS) |
Source Sets | DiVA Archive at Upsalla University |
Language | English |
Detected Language | English |
Type | Student thesis, info:eu-repo/semantics/bachelorThesis, text |
Format | application/pdf |
Rights | info:eu-repo/semantics/openAccess |
Relation | TRITA-EECS-EX ; 2021:931 |
Page generated in 0.0111 seconds