slaM学习报告SLAM定义机器人主要解决的问题实现方法关键问题2016/9/202西安斯凯智能科技有限公司Skye Intelligence Technology大纲同步定位与地图构建(SLAM或Simultaneous localization and mapping)是一种概念:希望机器人从未知环境的未知地点出发,在运动过程中通过重复观测到的地图特征(比如,墙角,柱子等)定位自身位置和姿态,再根据自身位置增量式的构建地图,从而达到同时定位和地图构建的目的。定位:机器人必须知道自己环境中的位置建图:机器人必须记录环境中特征的位置SLAM:机器人在定位的同时建立环境地图2016/9/203西安斯凯智能科技有限公司Skye Intelligence TechnologySLAM定义SLAM定义机器人主要解决的问题实现方法关键问题2016/9/204西安斯凯智能科技有限公司Skye Intelligence Technology大纲我在什么地方?机器人必须知道自身所处的位置才能为下一步的动作做出相应的决策。移动机器人根据外部或内部传感器获知环境信息来得到自身当前的位置,这就是所谓的机器人定位问题,他是解决后两个问题的基础我要去哪里?为了完成自身的任务或命令,机器人必须知道它将要去哪里,在实际应用中,它必须能识别目标,并确定目标的状态,值就是所谓的目标定位。我该怎么去?一旦机器人知道了它在那里和将要去那里,那么它必须寻找一条既不碰到障碍物又能顺利完成工作任务的最优路径,即路径规划问题。2016/9/205西安斯凯智能科技有限公司Skye Intelligence TechnologySLAM主要解决的问题SLAM定义机器人主要解决的问题实现方法标题四2016/9/206西安斯凯智能科技有限公司Skye Intelligence Technology大纲卡尔曼滤波器法粒子滤波器法期望极大化(EM)法2016/9/207西安斯凯智能科技有限公司Skye Intelligence Technology实现方法该原理最先由Smith等人首先提出,利用包含机器人位姿向量和环境特征向量的增广向量表示空间环境,讲机器人运动与环境特征的关系描述为两个非线性模型即机器人运动模型和观测模型。机器人控制信号输入到系统运动模型中,实现机器人的运动,卡尔曼滤波法根据系统模型实现机器人位姿的预测,同时机器人根据系统观测模型获得对环境特征的观测。预测特征和观测特征之间要进行数据关联匹配处理,选择最佳匹配特征用于对机器人位姿的更新,候选匹配特征被认为是对环境观测获得的新特征,用于对地图的增广。2016/9/208西安斯凯智能科技有限公司Skye Intelligence Technology卡尔曼滤波器法两大问题:,需要计算系统协方差矩阵,即维持机器人与特征目标之间以及各个特征之间的不确定性;,由于受机器人自身以及外界因素干扰等,在定位和特征识别中存在很大不确定性。改进方法:改进数据关联方法以提高数据关联精度,减少特征数目,改进地图表示方法和系特征的预测更新算法2016/9/209西安斯凯智能科技有限公司Skye Intelligence Technology卡尔曼滤波器法粒子滤波器的基础是序贯重要性采样,是通过MonteCarlo仿真来实现递推贝叶斯滤波技术。基于粒子滤波器的SLAM方法中心思想是将SLAM问题分解为机器人的定位和路标集合的估计两个子问题来进行求解。算法将粒子滤波器和卡尔曼滤波器结合起来,利用粒子滤波器进行位姿的估计,而路标位置的估计利用卡尔曼滤波器来实现,每个不同路标采用独立的滤波器。步骤:,扩展对机器人路径的后验估计;;,进行重采样处理。2016/9/2010西安斯凯智能科技有限公司Skye Intelligence Technology粒子滤波器法
SLAM算法简介—1 来自淘豆网m.daumloan.com转载请标明出处.
