คำถามติดแท็ก slam

การใช้ IMU หุ่นยนต์สามารถประมาณตำแหน่งปัจจุบันเทียบกับตำแหน่งเริ่มต้น แต่สิ่งนี้จะเกิดข้อผิดพลาดเมื่อเวลาผ่านไป GPS มีประโยชน์อย่างยิ่งสำหรับการให้ข้อมูลตำแหน่งที่ไม่ลำเอียงจากการสะสมข้อผิดพลาดในท้องถิ่น แต่จีพีเอสไม่สามารถใช้ในบ้านและแม้แต่กลางแจ้งก็อาจเป็นจุด ๆ ดังนั้นวิธีการหรือเซ็นเซอร์ที่หุ่นยนต์สามารถใช้ในการ จำกัด วง (เทียบกับกรอบอ้างอิงบางส่วน) โดยไม่ใช้ GPS คืออะไร?

23 localization  gps  sensors  slam 

ฉันใช้ EKF สำหรับ SLAM และฉันมีปัญหากับขั้นตอนการอัปเดต ฉันได้รับคำเตือนว่า K เป็นเอกพจน์rcondประเมินnear eps or NaNว่า ฉันคิดว่าฉันได้ติดตามปัญหาของการผกผันของ Z มีวิธีคำนวณ Kalman Gain โดยไม่ย้อนกลับคำสุดท้ายหรือไม่? ฉันไม่ 100% บวกนี้เป็นสาเหตุของปัญหาที่เกิดขึ้นดังนั้นฉันได้ยังใส่ทั้งหมดของฉันรหัสที่นี่ จุดเข้าหลักคือ slam2d function [ x, P ] = expectation( x, P, lmk_idx, observation) % expectation r_idx = [1;2;3]; rl = [r_idx; lmk_idx]; [e, E_r, E_l] = project(x(r), x(lmk_idx)); E_rl = …

16 slam  localization  kalman-filter  mapping 

ในSLAM ส่วนหน้าซึ่งใช้อัลกอริทึม Iterative ใกล้ที่สุดจุด (ICP) สำหรับการระบุความสัมพันธ์ระหว่างสองจุดเมฆที่ตรงกันคุณจะทราบได้อย่างไรว่าอัลกอริทึมนั้นติดอยู่ในจุดต่ำสุดในท้องถิ่นและส่งกลับผลลัพธ์ที่ผิด? ปัญหาถูกกำหนดให้เป็นจุดสองจุดที่ตรงกันซึ่งเป็นทั้งตัวอย่างของโครงสร้างพื้นผิวบางส่วนและพื้นที่ตัวอย่างมีการทับซ้อนกัน 0-100% ซึ่งไม่ทราบ ฉันรู้ว่าตัวเลือกTrimmed ICPทำงานได้ซ้ำ ๆ โดยพยายามหาการเหลื่อมกัน แต่ก็สามารถติดได้ในระดับต่ำที่สุด แนวทางที่ไร้เดียงสาคือการมองหาข้อผิดพลาดกำลังสองเฉลี่ยของคู่จุดที่ระบุ แต่หากไม่มีการสุ่มตัวอย่างประมาณนี้ดูเหมือนว่าจะมีความเสี่ยงสูง ในคู่มือสำหรับLeica Cycloneพวกเขาแนะนำให้ตรวจสอบด้วยตนเองของกราฟข้อผิดพลาดคู่ ถ้ามันมีรูปร่างแบบเกาส์นแบบนั้นดี หากมีการหลุดแนวเส้นตรงการแข่งขันอาจไม่ดี ดูเหมือนจะเป็นไปได้สำหรับฉัน แต่ฉันไม่เคยเห็นมันใช้ในอัลกอริทึม

14 slam 

อ่านเอกสารเกี่ยวกับ odometry ที่เห็นได้ชัดหลายคนใช้ความลึกผกผัน มันเป็นเพียงการผกผันทางคณิตศาสตร์ของความลึก (หมายถึง 1 / d) หรือมันเป็นตัวแทนอย่างอื่น และข้อดีของการใช้มันคืออะไร?

14 slam  computer-vision  odometry 

ฉันกำลังทำพื้นฐานสำหรับโครงการและฉันมีคำถามเกี่ยวกับสถานะปัจจุบันของเทคนิคสแลม เมื่ออุปกรณ์ที่ติดตั้ง SLAM ตรวจจับวัตถุตำแหน่งของวัตถุนั้นจะถูกเก็บไว้ หากคุณดูที่จุดที่เมฆกำลังสร้างอุปกรณ์คุณจะเห็นจุดสำหรับวัตถุนี้และรูปแบบที่สร้างจากมันจะรวมถึงรูปทรงเรขาคณิตที่นี่ หากวัตถุถูกวางไว้ในพื้นที่ว่างก่อนหน้านี้มันจะถูกตรวจจับและมีการเพิ่มคะแนน รุ่นที่ตามมาจะมีรูปทรงเรขาคณิตอธิบายวัตถุใหม่นี้ อุปกรณ์จะตอบสนองอย่างไรถ้าวัตถุนั้นถูกลบ? เท่าที่ฉันได้เห็นระบบ SLAM จะมีแนวโน้มที่จะออกจากจุดที่อยู่ในสถานที่ส่งผลให้รูปทรง "ผี" มีอัลกอริธึมที่จะมองข้ามจุดโดดเดี่ยวที่เกิดจากหน้าสัมผัสชั่วคราว แต่วัตถุที่ยังคงอยู่นานพอที่จะสร้างแบบจำลองที่มั่นคงจะยังคงอยู่ในหน่วยความจำของอุปกรณ์ มีระบบใดบ้างที่สามารถตรวจจับได้ว่าพื้นที่ว่างก่อนหน้านี้ว่างเปล่าหรือไม่?

13 slam 

จากสิ่งที่ฉันได้อ่านมาดูเหมือนว่าตัวกรองอนุภาคRao-Blackwellizedเป็นเพียงตัวกรองอนุภาคปกติที่ใช้หลังจากที่ทำให้ตัวแปรแปรปรวนจาก: p ( rเสื้อ, sเสื้อ| Yเสื้อ)p(rt,st|yt)p(r_t,s_t | y^t) ฉันไม่แน่ใจจริงๆเกี่ยวกับข้อสรุปดังกล่าวดังนั้นฉันต้องการทราบความแตกต่างที่แม่นยำระหว่างตัวกรองทั้งสองประเภทนี้ ขอบคุณล่วงหน้า.

13 slam  particle-filter 

อะไรคือความแตกต่างระหว่างการปรับให้เรียบและการจับคู่ (SAM) และการแปลและการแมปพร้อมกัน (SLAM) วิธีการทั่วไปเหล่านี้ดูเหมือนจะเกี่ยวข้องอย่างใกล้ชิด มีคนอธิบายความแตกต่างได้ไหม

12 slam 

ฉันพยายามใช้กล้องสเตอริโอเพื่อสร้างฉากใหม่ แต่โดยปกติฉันจะได้รับเมฆจุดเบาบาง (เช่นครึ่งภาพไม่มีข้อมูลเชิงลึกที่เหมาะสม) ฉันรู้ว่าอัลกอริธึมการประมวลผลสเตอริโอขึ้นอยู่กับการปรากฏตัวของพื้นผิวในภาพและมีพารามิเตอร์บางอย่างที่สามารถปรับแต่งเพื่อให้ได้ผลลัพธ์ที่ดีกว่าเช่นช่วงความแตกต่างหรือขนาดหน้าต่างความสัมพันธ์ ถึงแม้ว่าฉันจะปรับพารามิเตอร์เหล่านี้ แต่ฉันไม่สามารถรับผลลัพธ์ที่อยู่ใกล้กับสิ่งที่สามารถรับได้จากระยะไกลโดยใช้เซ็นเซอร์ที่ใช้งานอยู่เช่น Kinect เหตุผลที่ฉันต้องการนั่นก็เพราะว่าบ่อยครั้งที่มีเมฆจุดที่ตรงกับพื้นที่ใกล้เคียงไม่มีการทับซ้อนกันมากพอที่ฉันจะได้รับการแข่งขันดังนั้นการสร้างใหม่จึงมีความบกพร่องอย่างรุนแรง คำถามของฉันต่อผู้เชี่ยวชาญด้านการมองเห็นของคอมพิวเตอร์มีดังต่อไปนี้ฉันจะทำอย่างไรเพื่อให้ได้จุดเมฆทึบโดยทั่วไป (โดยไม่มีการดัดแปลงสภาพแวดล้อมในสำนักงานของฉัน)

12 slam  computer-vision 

ตามที่บทความวิกิพีเดียในสแลม , ความคิดเดิมมาจาก Randal สมิ ธ และปีเตอร์ Cheeseman ( ในการประเมินและการเป็นตัวแทนของความไม่แน่นอนเชิงพื้นที่ [PDF]) ในปี 1986 และได้รับการกลั่นโดยฮิวจ์ F เดอร์แร นต์ไวท์ และเจเจลีโอนาร์ ( อาคารแผนที่พร้อมกัน และการแปลสำหรับหุ่นยนต์เคลื่อนที่แบบอิสระ ) ในปี 1991 อย่างไรก็ตามกระดาษไม่ใช้คำว่า "SLAM" คำนั้นมาจากที่ไหนและเมื่อไร มีผู้แต่งหรือสมุดปกขาวที่เป็นที่นิยมหรือไม่

10 slam 

ที่นี่มีพื้นหลังมากมายเลื่อนไปที่ด้านล่างสุดของคำถาม ฉันกำลังพยายามออกแผนที่ร่วมงานกับอัลกอริทึมที่อธิบายไว้ในHow Far เป็นสแลมจากเชิงเส้นสี่เหลี่ยมน้อยปัญหา ; สูตรเฉพาะ (36) รหัสที่ฉันเขียนดูเหมือนจะใช้ค่าของแผนที่ที่สองเสมอสำหรับตำแหน่งที่สำคัญ คำถามของฉันคือฉันเข้าใจข้อความอย่างถูกต้องหรือทำผิดพลาด ฉันจะพยายามอธิบายสูตรตามที่ฉันเข้าใจและแสดงให้เห็นว่าโค้ดของฉันใช้งานอย่างไร ฉันกำลังพยายามทำกรณีง่าย ๆ ในการเข้าร่วมเพียงสองแผนที่ท้องถิ่น จากบทความ (36) กล่าวว่าการเข้าร่วมแผนที่ท้องถิ่นสองแห่งคือการค้นหาเวกเตอร์สถานะที่ย่อให้เล็กสุด:Xj o i n , r e lXjoin,relX_{join,rel} Σj = 1k( XLJ^- ชj , r e l( Xj o i n , r e l) )T( PLJ)- 1( XLJ^- ชj , r e l( Xj …

10 slam 

ฉันคุ้นเคยกับแผนที่ SLAM ที่เป็นรูปแบบจุดเมฆโดยทั่วไปจะอยู่ในรูปแบบของเวกเตอร์เช่น}> ฉันเข้าใจวิธีสร้างแผนที่เช่นนี้โดยใช้ EKF< x , y, θ ,ฉ1 x,ฉ1 ปี, . . . ,ฉไม่มีx,ฉn Y><x,Y,θ,ฉ1x,ฉ1Y,...,ฉnx,ฉnY> วันนี้ฉันเจอรูปแบบไฟล์. กราฟิคซึ่งตามที่คุณคาดหวังประกอบด้วยจุดยอดและขอบในรูปแบบ: VERTEX2 id x y orientation EDGE2 observed_vertex_id observing_vertex_id forward sideward rotate inf_ff inf_fs inf_ss inf_rr inf_fr inf_sr ฉันรู้ว่ามีการเชื่อมต่อระหว่างเมทริกซ์และกราฟ (ตัวอย่างเช่น adjacency matrix) แต่มันก็ไม่ชัดเจนสำหรับฉันว่ารูปแบบกราฟของแผนที่นี้เทียบเท่ากับแผนที่คลาวด์แบบจุดที่ฉันคุ้นเคย ความสัมพันธ์คืออะไร? จุดยอดทั้งโพสท่าและสถานที่สำคัญ? พวกเขาอยู่ในกรอบอ้างอิงระดับโลกหรือไม่ สิ่งนี้ถูกสร้างขึ้นจากข้อมูลความเร็วพูดและเซ็นเซอร์ช่วง / แบริ่งได้อย่างไร? มีการแปลงระหว่างแผนที่กราฟและจุดเมฆหรือไม่?

9 slam  mapping 

ฉันกำลังทำงานกับควอดโรเตอร์ ฉันรู้ตำแหน่งของมัน -ที่ซึ่งฉันต้องการไป - ตำแหน่งเป้าหมายและจากนั้นฉันคำนวณเวกเตอร์ - เวกเตอร์หน่วยที่จะพาฉันไปยังเป้าหมายของฉัน:aaabbbccc c = b - a c = normalize(c) เนื่องจาก quadrotor สามารถเคลื่อนที่ในทิศทางใดก็ได้โดยไม่มีการหมุนสิ่งที่ฉันพยายามทำคือ หมุนโดยมุมเอียงของหุ่นยนต์ccc แยกออกเป็นองค์ประกอบx,yx,yx, y ส่งพวกเขาไปยังหุ่นยนต์เป็นมุมม้วนและระดับเสียง ปัญหาคือว่าถ้าหันเหเป็น 0 °± 5 แล้วก็ใช้งานได้ แต่ถ้าหันไปใกล้ +90 หรือ -90 มันจะล้มเหลวและหันไปทิศทางที่ผิด คำถามของฉันคือฉันขาดอะไรบางอย่างชัดเจนที่นี่?

9 quadcopter  uav  navigation  slam  kinect  computer-vision  algorithm  c++  ransac  mobile-robot  arduino  microcontroller  machine-learning  simulator  rcservo  arduino  software  wifi  c  software  simulator  children  multi-agent  ros  roomba  irobot-create  slam  kalman-filter  control  wiring  routing  motion  kinect  motor  electronics  power  mobile-robot  design  nxt  programming-languages  mindstorms  algorithm  not-exactly-c  nxt  programming-languages  mindstorms  not-exactly-c  raspberry-pi  operating-systems  mobile-robot  robotic-arm  sensors  kinect  nxt  programming-languages  mindstorms  sensors  circuit  motion-planning  algorithm  rrt  theory  design  electronics  accelerometer  calibration  arduino  sensors  accelerometer 

เซ็นเซอร์อัลตราซาวด์มีราคาถูกอย่างไม่น่าเชื่อวันนี้ซึ่งทำให้พวกเขาเป็นทางเลือกยอดนิยมสำหรับแอปพลิเคชันหุ่นยนต์มือสมัครเล่นจำนวนมากและฉันต้องการใช้พวกมัน (พูด 10) รอบ ๆ หุ่นยนต์ด้วยอัลกอริทึมเพื่อสร้างแผนที่คร่าวๆ หุ่นยนต์สำรวจมัน) ฉันไม่สนใจที่จะจัดการกับวัตถุที่เคลื่อนไหวในขั้นตอนนี้เพียงแค่ระบุตำแหน่งที่อยู่กับที่และฉันจะใช้ GPS เพื่อระบุตำแหน่ง ฉันรู้ว่าส่วนประกอบอื่น ๆ เช่นเครื่องสแกนเลเซอร์จะให้ผลลัพธ์ที่แม่นยำมากขึ้น แต่อุปกรณ์ดังกล่าวมีราคาแพงกว่าในทางดาราศาสตร์ มีอัลกอริทึมสำหรับวัตถุประสงค์นี้หรือไม่?

9 slam  localization  gps  mapping  acoustic-rangefinder