本文翻译自openslam上的这篇文章
概念
GMapping是一种高效的Rao-Blackwellized粒子滤波器用于根据激光距离数据得出珊格地图.
作者
Giorgio Grisetti(主页); Cyrill Stachniss(主页); Wolfram Burgard(主页);
svn地址
svn co https://svn.openslam.org/data/svn/gmapping
简介
最近Rao-Blackwellized粒子滤波器作为高效的方法被引入用于解决SLAM问题.这种方法使用了一个粒子滤波器,每一个粒子都加载了环境中的一张单独的地图.因此,关键的问题就是:如何减少粒子的数目.我们介绍了自适应技术,这项技术用于在建立珊格地图的过程中减少Rao-Blackwellized粒子滤波器中的粒子数目.我们提出一种方法用于计算精确的分布方案,不仅考虑到机器人的运动,而且考虑到了最近的观测.这个方法不幅度减少机器人在滤波器的预测步骤中的姿态不确定性.此外,我们提供一种方法用于选择性的进行重采样操作,这个操作可以显著的减少粒子消耗问题.
示例
弗莱堡大学校园:
Map of the MIT Killian Cour:
接收的数据
本方法使用激光距离数据和里程计.这个版本优化了长距离激光传感器,比如SICK LMS 和 PLS scanner.短距离传感器比如Hokuyo scanner如果使用标准参数设置将不能得到很优的结果.
日志格式
Carmen日志格式
地图类型
grid maps
软硬件需求
- Linux/Unix, GCC 3.3/4.0.x
- CARMEN (latest version)
- 快速安装:
- ./configure;
- . ./setlibpath;
- make;
相关论文
更多的内容
A. Doucet: On sequential simulation-based methods for bayesian filtering, Technical report, Signal Processing Group, Dept. of Engeneering, University of Cambridge, 1998