Алгоритм SLAM

Есть ли у кого-нибудь опыт разработки или работы над проблемой автономного робота, в частности, разработки алгоритма SLAM? Я хотел бы знать, где было бы хорошим местом для начала разработки очень простой базовой версии на SLAM. Также будут оценены любые указатели на ресурсы по темам (кроме очевидных поисковых запросов Google).

Ответы

Ответ 2

Вероятностная робототехника - это, безусловно, отличная книга, но текущие алгоритмы переместили большую часть области, которую она охватывает.

Grisetti TORO (доступный от OpenSLAM) - это быстрый алгоритм, который может закрывать циклы в O (N) времени (где N - размер цикла). Он может подойти вам при следующих условиях:

  • Вам не нужна оптимальная точность (например, вы не используете это для выполнения структуры из-за движения или сужения диапазона поиска для визуальных функций).
  • Вы не используете датчики только для позиции, такие как GPS.

Kaess iSAM очень хорош, если вам нужна оптимальная точность (оптимальная в смысле наименьших квадратов). Он может подойти вам при следующих условиях:

  • Вы используете GPS.
  • Вы получите оптимальную точность.
  • Вы не возражаете, что он замыкает петли в O (N ^ 2) времени, где N - количество позы в цикле.
  • Ваш робот может остановить повторное решение карты с нуля каждые несколько сотен путевых точек. Это займет несколько секунд. (Эта слабость была преодолена в его недавнем техническом отчете ).
  • Ваши первоначальные оценки посты достойны. В противном случае iSAM может застрять в локальных минимумах.

Наконец, вы можете снять текст

Ответ 3

Я знаю, что скоро приеду на эту вечеринку, но у меня очень простая реализация SLAM, которая выполняется в MATLAB (или бесплатном Octave), что полезно для изучения основ. Реализация примерно такая же простая, как и она, включая только 283 строки кода.

Посмотрите здесь: https://github.com/randvoorhies/SimpleSLAM

Ответ 4

Некоторые из людей, работающих над роботами в университете Билефельд, полагаются на следующие документы в своей работе с роботом.

  • я. Эстебан, О. Буй, З. Живкович и Б. Крёсе. Шум от траектории движения Omnivision. В RSS Представлено. IEEE, 2008

  • Харати, С. Гахтер и Р. Зигварт. Быстрая сегментация изображения для внутреннего 3D-SLAM. В шестом симпозиуме IFAC по интеллектуальным автономным транспортным средствам (IAV), 2007.

  • Харати и Р. Зигварт. Ортогональный 3D-SLAM для внутренних помещений с использованием углов с прямым углом. На третьей Европейской конференции по мобильной робототехнике (ECMR), 2007 г.

Другой документ, который может дать вам отправную точку:

  • R. SIEGWART, I.R.NOURBAKHSH(2004). Введение в автономные мобильные роботы. MIT Нажмите

Большая часть статьи должна быть найдена в Google.

Ответ 5

Еще один поздний ответ, но я только что наткнулся на учебное пособие по созданию шлема EKF в Matlab или Octave от доктора Джоан Сола: http://www.joansola.eu/JoanSola/eng/course.html.

Это около 8 часов видеоролика, и это немного медленно, но оно проведет вас через рабочую реализацию SLAM.

Ответ 6

Кроме того, если вы пишете С++, MRPT должен быть одним из ваших вариантов реализации SLAM.

MRPT - это инструментарий для программирования мобильных роботов, предназначенный для SLAM, компьютерного зрения и алгоритма планирования движения. Вы найдете множество простых примеров и некоторые полезные приложения, такие как SLAM SLAM, графический SLAM, kinect 3D SLAM и т.д. Здесь.

Ответ 7

Для разработки ваших основ вы можете, конечно, попробовать онлайн-курс автономных мобильных роботов по edx: https://www.edx.org/course/autonomous-mobile-robots-ethx-amrx-1

MRPT также является хорошим выбором. Но убедитесь, что вы знаете основы фильтра Калмана.

Ответ 8

openCV - ваш лучший выбор для этого, это большая библиотека, которая обрабатывает тонну проблем с компьютерным видением, которая имеет отличную историю, сообщество и поддержку.

http://opencv.willowgarage.com/wiki/