自己位置推定について説明します。
自己位置推定の手法は大別して2種類。
- Bayes Filter
- 最適化
Probabilistic Roboticsを基盤としたnav2の解析をやるのでBayes Filterの方を説明します。
考え方は簡単 (自己位置推定全体の説明)
robotを三角形で表すことにします。
初期位置。
\(\boldsymbol{x}_{0}\)としている文献と\(\boldsymbol{x}_{1}\)としている文献があります。他のは見た事がないです。
どれが正しいか、というより自己位置推定くらい自分で設計してやる、という気概が大事と思います。
時刻\(t=0\)または時刻\(t=1\)のrobotの姿勢です。
ここでは時刻\(t=1\)です。
時刻\(t=1\)のときlandmarkを1つ見つけているとします。
時刻\(t=2\)のとき\(\boldsymbol{u}_{1}\)の速度制御値かrotaty encoderの値を取得できているとします。
ここではodometry motion modelのみを考えるのでrotaty encoderの値を取得できているとします。
時刻\(t=2\)のときlandmarkを2つ見つけているとします。
Cameraにlandmarkが複数写っている場合とかLiDARで点群を捉えている場合などを考えます。
時刻\(t=3\)のとき\(\boldsymbol{u}_{2}\)の速度制御値かrotaty encoderの値を取得できているとします。
時刻\(t=3\)のときlandmarkを1つ見つけているとします。
時刻\(t=3\)のときlandmarkを3つ見つけているとします。
広告
IT開発関連書とビジネス書が豊富な翔泳社の通販『SEshop』
さくらのレンタルサーバ
ムームードメイン
Ｏｉｓｉｘ（おいしっくす）
らでぃっしゅぼーや
珈琲きゃろっと
エプソムソルト
