概率机器人
点云PCL公众号博客
这个作者很懒,什么都没留下…
展开
-
《概率机器人》里程计运动模型gmapping中代码解析
里程计运动模型(odometery motion model)用距离测量代替控制。实际经验表明虽然里程计虽然仍存在误差,但通常比速度运动模型更加的精确。相比于速度运动模型运动信息utu_t由 (x¯t−1x¯t)\begin{pmatrix}\bar{x}_{t-1} \\ \bar{x}_t \end{pmatrix} 为了提取相对的距离,utu_t被转变为三个步骤的序列:旋转,平移,另一个旋原创 2017-10-17 19:41:44 · 8067 阅读 · 12 评论 -
《概率机器人》速度运动模型gmapping中代码解析
一个刚性移动机器人的构型通常用6个变量来描述:他的三维直角坐标系,以及相对外部坐标系的三个欧拉角(RPY 横滚 ,俯仰,偏航),所以那么在平面环境中一般用三个变量既可以描述,称之为位姿。 所以一般而平面上机器人的位姿信息也就是机器人的二维平面坐标(x,y)及其方位角θ\theta,用这个向量来表示:原创 2017-10-16 21:30:50 · 3131 阅读 · 3 评论 -
概率机器人的置信度
概率机器人的置信分布概率机器人一个主要的概念是置信度(belief),置信度反映了机器人有关环境状态的内部信息,例如,在一些全局坐标系中机器人的位姿可能是xi=(14.12,12.8.450)x_i=(14.12,12.8.45^0),但是因为位姿不能直接测量,通常机器人是不知道自己的位姿的,但是机器人是必须要从数据中推测出其自己的位姿的,因此要从位姿的内部置信度(belief)识别出真正的状态。原创 2017-10-10 21:23:07 · 1977 阅读 · 0 评论 -
Gmapping从开始到放弃—写一个TF 广播
这是一个关于实现把机器人的位姿广播到TF中,这是对ROS 有一定的熟悉之后教程 (1)cd catkin_ws/src 进入我们的ROS 的工作空间 (2)catkin_create_pkg my_tf tf roscpp rospy turtlesim 这一句是新建一个ROS 的包,也就是一个ROS的工程,并添加他的依赖项,主要依赖tf和C++以及你可以使用python开发原创 2017-10-15 20:03:27 · 961 阅读 · 0 评论 -
TF添加额外坐标系
在以前的教程中,通过添加TF广播器和TF监听器来重现小海龟演示。本教程将教你如何向TF树添加一个额外的坐标框架。这非常类似于创建TF广播,并且会显示TF的一些功能。对于许多任务系统来说,在局部框架内更容易理解,例如激光扫描仪的中心位置就是就是扫描仪的frame,TF可以允许为在系统中的每一个传感器定义一个局部的坐标系,TF 会为每一个坐标系提供一个转换功能。TF 是为坐标系建立一个树形结构,但是这个原创 2017-11-10 20:44:09 · 704 阅读 · 0 评论 -
Gmapping从开始到放弃—写一个TF 监听
这篇文章主要 记录如何监听一个TF广播,当然也是接着上一篇文章创建的开发包继续走下去 (1)在my_tf文件下的src下新建一个文件命名turtle_tf_listener.cpp. 添加代码如下#include <ros/ros.h>#include <tf/transform_listener.h> //transformListener是接受tf消息的头文件 #include <ge原创 2017-10-15 21:42:28 · 1043 阅读 · 0 评论 -
Gmapping 乱七八糟
笔记和总结:void SlamGMapping::startLiveSlam()主要是订阅话题,主要有scan_filter_-> registerCallback(boost::bind(&SlamGMapping::laserCallback,this, _1);这句话就是要对激光雷达的数据进行处理的回调函数接下来我们查看此回调函数SlamGMapping::laserCallback(原创 2017-11-19 21:24:17 · 1876 阅读 · 0 评论 -
状态估计问题学习记录(1)
关于如何在有噪声的数据中进行状态估计的问题的理解,状态估计的问题是指在运动和观测方程中,通常假设两个噪声ωi\omega_i和υk,j\upsilon_{k,j}满足零均值的高斯分布, xk=f(xk−1,uk)+ωkx_k=f(x_{k-1},u_k)+\omega_k其中ωk→N(0,Rk)\omega_k \rightarrow N(0,R_k) zk,j=h(yj,xk)+υk,jz_{原创 2017-11-30 20:18:47 · 3210 阅读 · 1 评论 -
占用栅格地图算法的理解
以上是关于占用栅格地图算法的理论推导与理解,希望有兴趣的小伙伴可以关注微信公众号“点云PCL”交流和分享更多的技术。原创 2019-09-20 23:37:46 · 1517 阅读 · 0 评论