概述
移动机器人必须解决的主要问题之一是知道它在其环境中的位置。确定机器人相对于其环境的位置和方向(机器人姿态)的过程称为定位。
在不知道它在其环境中的位置的情况下,机器人可以执行的任务非常有限。因此,这是它要解决的最重要的问题之一。
我们很容易知道机器人在上图中的位置,因为我们可以看到一切。但是,机器人本身并非如此。下图显示了机器人对其环境的了解。
它所知道的是地图的样子,这不是很准确——缺少一些信息,例如墙上的洞等、传感器的读数,有时还有它的近似初始姿势。
如果您将自己放入机器人中,您会发现要知道您拥有的所有信息和能力并不是一件容易的事。 从您现在所在的位置来看,您可能无法 100% 确定您在给定地图上的位置。
在本文中,我们将研究解决定位问题的最广泛使用的方法,蒙特卡洛定位或通常称为粒子滤波定位。
贝叶斯滤波
简述:贝叶斯滤波简介。此过滤器数学模型。算法。此过滤器在机器人上实施步骤。
粒子滤波定位的构建块
简述:构建运动模型,测量模型,粒子滤波。引入里程运动模型及其数学模型,引入似然场作为测量模型,介绍似然场数学模型。最后,讨论粒子滤波算法。
使用 Webots 和 ROS2 进行模拟
简述:完成上述工作后,开始模拟。模拟方法:非自适应粒子过滤器,视频演示(1.5m)。自适应粒子滤波,视频演示(1m)
源代码
详情参阅 亚图跨际