![](https://img-blog.csdnimg.cn/20201014180756738.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
读书笔记之移动机器人slam与vslam
楼兰公子
这个作者很懒,什么都没留下…
展开
-
fastSlam算法与EKFSlam的本质区别
一个粒子表示机器人的一条运动路径,在每个粒子中,如果环境特征的个数已知的,那么每个环境特征的位置都可以用一次EKF独立地进行估计。原创 2020-05-05 00:18:14 · 1134 阅读 · 0 评论 -
fastslam算法思想
slam问题分解为定位问题和地图创建问题定位问题采用粒子滤波方法解决地图创建问题采用扩展卡尔曼滤波方法解决原创 2020-05-05 00:16:13 · 4438 阅读 · 0 评论 -
粒子滤波算法流程
初始化,根据先验分布采样例子 序贯重要性采样 输入量测值,并归一化权值 重采样 根据所得例子集估计状态统计信息 返回第二步,进行下一次迭代...原创 2020-05-04 18:32:00 · 407 阅读 · 0 评论 -
粒子滤波算法退化问题缓解方案
重要性函数的选择 重采样原创 2020-05-04 18:24:23 · 1102 阅读 · 0 评论 -
粒子滤波算法解决用机器人slam问题的原因
粒子滤波是通过递推产生一系列带全职的样本表示状态变量或参数的后验概率,并以此来进行贝叶斯推理。以次可以直接适用于想移动机器人这样的非线性费高斯系统,而不用做任何的近似线性化处理 粒子滤波算法是基于贝叶斯理论框架下的,贝叶斯估计是一种随机性估计方法,他讲系统状态和测量信息都看成随机变量,这个符合移动机器人slam问题的实际情况 slam过程模型和观测模型是一种概率似然模型。模型中的随机变量是已知...原创 2020-05-04 16:55:15 · 300 阅读 · 0 评论 -
FastSlam算法优劣
优势:处理不确定信息方面具有优势缺陷: 一.他将机器人系统近似成高斯系统,并对其进行粗糙的线性化处理,存在较大的误差 二.他的计算复杂度太高,是环境特征数目的二次方,即(O(M2)),无法应用于大范围环境...原创 2020-05-04 16:33:14 · 982 阅读 · 0 评论 -
环境地图模型
环境地图包括栅格地图,集合地图,拓扑地图和混合地图等早起栅格地图给予声呐--将环境划分为栅格,每个分配一定概率,次概率表示栅格被障碍物占据的概率:优点易于维护创建但计算量随着环境复杂度增加快速增加影响地图创建的实时性 基于几何特征的地图创建-->>用一些列的点,线条,面等几何特征表征地图。优点:直观,便于路径规划和导航,但对传感器要求较高,只适用于高度结构化环境 拓扑地图--&...原创 2020-05-04 13:02:06 · 988 阅读 · 0 评论 -
坐标系统模型
极坐标系统-->声呐,激光等距离方向传感器多采用极坐标系统 笛卡尔坐标系统--->移动机器人位姿[x=(x,y,theater)T],环境特征位置mi = (xi,yi)和传感器位置xi= (xi,yi),...原创 2020-05-04 12:18:20 · 394 阅读 · 0 评论 -
机器人系统的模型
机器人系统模型和环境的相关模型是实现各种slam算法的基础坐标系统模型 移动机器人位姿模型 里程计模型 移动机器人运动模型 环境地图模型 传感器观测模型 环境特征动态模型 环境特征增广模型 传感器噪声模型 系统噪声模型...原创 2020-05-04 12:12:08 · 266 阅读 · 0 评论 -
slam问题的概率模型
运用滤波估计方法解决slam解决的理论基础 逐一介绍所用到的系统模型 分析slam算法的一致性问题,介绍slam算法结果一致性的标准------归一化估计方差 重点堆EKF-SLAM算法和FastSlam算法两种基本算法的slam解决方法进行系统分析和仿真实验 对两种算法的估计精度和一致性进行验证和对比...原创 2020-05-04 10:38:31 · 366 阅读 · 0 评论 -
经典slam架构
经典slam使用滤波堆机器人自带和地图进行估计利用激光测距系统,摄像机系统等环境感知设备获取环境数据并提取环境特征,将观测的特征数据与已存在的地图和人工信标进行关联,得到相应的观测值 利用里程计,电子罗盘,微惯性系统等本体状态感知设备得到机器人运动模型 联合观测值和运动模型使用扩展卡尔曼滤波等非线性滤波方法进行机器人姿态和地图状态估计 以上数据与GPS和人工地图进行对比校验,检查状态估计...原创 2020-05-04 10:30:02 · 290 阅读 · 0 评论