概率机器人:测距仪的地图匹配模型

地图匹配模型

地图匹配(Map Matching)技术是一种通用的基于相关性的测量模型技术。

地图匹配通过将扫描数据(Scan)转换为占用地图(Occupancy Map),将少量的连续扫描编制到局部地图(Local Maps)上。局部地图是相对于机器人位姿的地图信息,用参量 m l o c a l m_{local} mlocal

模型将局部地图信息 m l o c a l m_{local} mlocal同全局地图信息 m m m比较,当 m l o c a l m_{local} mlocal m m m越相似,则模型的可信度 p ( m l o c a l ∣ x t , m ) p(m_{local}|x_t,m) p(mlocalxt,m)越高。

模型建立

对于机器人位姿 x t x_t xt,采用 m X , Y , l o c a l ( x t ) m_{X,Y,local}(x_t) mX,Y,local(xt)表示机器人当前位姿在局部地图上的栅格单元,同全局坐标中的 [ X Y ] T \begin{bmatrix}X&Y\end{bmatrix}^T [XY]T。当通过坐标变换,使两者在相同参考系内时,可用地图相关函数进行比较:
ρ m , m l o c a l , x t = ∑ X , Y ( m X , Y − m ˉ ) [ m X , Y , l o c a l ( x t ) − m ˉ ] ∑ X , Y ( m X , Y − m ˉ ) 2 ∑ X , Y [ m X , Y , l o c a l ( x t ) − m ˉ ] 2 \rho_{m,m_{local},x_t}=\frac{\sum_{X,Y}\bigl(m_{X,Y}-\bar m\bigr)\bigl[m_{X,Y,local}(x_t)-\bar m\bigr]}{\sum_{X,Y}\bigl(m_{X,Y}-\bar m\bigl)^2\sum_{X,Y}\bigl[m_{X,Y,local}(x_t)-\bar m\bigr]^2} ρm,mlocal,xt=X,Y(mX,Ymˉ)2X,Y[mX,Y,local(xt)mˉ]2X,Y(mX,Ymˉ)[mX,Y,local(xt)mˉ]
式中,参量 m ˉ \bar m mˉ为平均地图值:
m ˉ = 1 2 N ∑ X , Y ( m X , Y + m X , Y , l o c a l ) \bar m = \frac{1}{2N}\sum_{X,Y}(m_{X,Y}+m_{X,Y,local}) mˉ=2N1X,Y(mX,Y+mXY,local)

式中,N为局部地图与全局地图间重叠部分的元素个数。

相关性 ρ m , m l o c a l , x t \rho_{m,m_{local},x_t} ρm,mlocal,xt取值在 [ − 1 , 1 ] [-1,1] [1,1]中进行,地图匹配模型表达式如下:
p ( m l o c a l ∣ x t , m ) = max ⁡ { ρ m , m l o c a l , x t , 0 } p(m_{local}|x_t,m)=\max\{\rho_{m,m_{local},x_t},0\} p(mlocalxt,m)=max{ρm,mlocal,xt,0}
当局部地图信息仅由单一测距仪的扫描数据 z t z_t zt得到,则模型概率可取代测量概率: p ( z t ∣ x t , m ) = p ( m l o c a l ∣ x t , m ) p(z_t|x_t,m)=p(m_{local}|x_t,m) p(ztxt,m)=p(mlocalxt,m)

模型优缺点

地图匹配模型如同似然域模型一样,具有较小的计算量。同时它参考了两个地图的边界自由空间,而似然域模型仅参考了扫描终点处。

然而,地图匹配模型可能会建立超出实际传感器测量范围的局部地图,致使传感器"穿墙视物"。同时,地图匹配模型无合理的物理解释支撑。相关性仅为地图间归一化二次方距离,而非传感器的噪声特性。

  • 0
    点赞
  • 1
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
将自己的Gazebo地图用在别人的机器人模型是相对简单的任务,只需按照以下步骤操作即可。 首先,确保你已经建立了一个完整的Gazebo地图,这可以包括地形、障碍物、建筑物等元素。该地图必须被保存为一个Gazebo支持的文件格式,比如.world文件。 其次,获取别人的机器人模型。这可能是一个已经在Gazebo中配置好的模型,或者是由他们提供的相关文件。确保你有机器人模型的所有必要文件,如URDF和COLLADA。 将机器人模型的文件导入到你的Gazebo环境中。这可以通过在Gazebo中选择"Insert"菜单,然后选择对应的文件来实现。 接下来,将机器人模型放置在你的地图中的适当位置。你可以使用Gazebo中的拖放和旋转功能来调整机器人的位置和方向。 然后,按照需要进行一些配置调整。这包括为机器人模型设置关节的限制、碰撞检测等参数。这些配置可在URDF文件中进行修改,或通过Gazebo的模型编辑器进行调整。 最后,保存你的Gazebo地图机器人模型的配置。这样,你就可以与其他人分享这个Gazebo工程文件,他们可以直接在自己的机器人模拟器中加载该文件,并使用你创建的地图机器人模型。 总之,将自己的Gazebo地图用在别人的机器人模型中只需要进行一些简单的导入和配置调整操作即可实现。这样,其他人便可以使用你的地图来测试和演示他们的机器人模型

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值