自主环境探索算法
haliofwu
不想成为顶级美食家的web前端开发工程师都不是好产品经理。
展开
-
动态因素处理算法1
假设原始地图已经建好:如何实现动态障碍物的探测ICPMbICP:将平移和旋转加权融合,解决尺度与角度变化问题。即是:MbICP能检测到更大的匹配区域。原创 2014-11-26 10:20:27 · 1236 阅读 · 0 评论 -
路径规划学习1
学习原因:在未知环境下,机器人能否自主完成无碰撞情况下从起始点到目标点是机器人构建陌生环境地图的基础。快速随机树原理:2000 年以来,随机化方法越来越多的被用到路径规划算法中,由于其随机性的特点,这类方法可适用于不确定环境中的高维度空间,不会产生局部环境迷失和计算量大等问题,进而被广泛应用" 快速扩展随机树算法(Rapidly Exploring Random Tree原创 2014-11-26 10:02:08 · 2050 阅读 · 0 评论 -
未知环境探索(一)
终于把需要解决的问题揪出来了,之前一直没有把问题的关键词提出来。瞎摸了这么长时间。自己摸索难免走弯路。言归正传:(1)自主环境探索关键技术:与传统的路径规划相比,自主环境探索并不是简单的使机器人到达某一特定的目标点,而是使机器人不断到达一系列目标点以便能够获取整个环境的信息。需解决的问题:①如何根据传感器的信息产生一系列的目标点;②如何从当前位置运动到目标点;③如何对传感器信息原创 2014-11-27 09:30:29 · 5610 阅读 · 2 评论 -
未知环境探索(二)基于边界点的自主环境探索
(一)探索导向点指引下的环境探索通过对环境的分析,相应的信息处理,提取出引导机器人完全探索一系列未知环境的目标点。探索导向点的提取:获取激光数据——>提取运动目标点——>探索决策树——>有限的时间内构建出完整或近似完整的环境地图。几种方法的简单介绍:(力求大体上能懂,最好能实现出来)1.A Frontier-Based Approach for Autonomous E翻译 2014-12-01 14:29:12 · 5247 阅读 · 0 评论 -
特征地图构建关键技术1
通过激光器扫描得到的原始数据:(1)通过滤波,去除杂质点略(2)点的直线拟合方法:K均值拟合法、最小二乘法、增量式直线拟合法、霍夫变换K均值拟合法,需要预先知道拟合直线的数量。最小二乘法:对联通的拐角点直接拟合,容易丢失角特征霍夫变换:计算复杂,选票阈值设定也是难点。增量式直线拟合法:要求采集对象按顺序排列,通过相邻点的残差拟合数据。针对本文陌生环境的激光点,残差阈原创 2014-11-26 10:23:28 · 2255 阅读 · 0 评论