Contenu connexe
Plus de Ryuichi Ueda (20)
確率ロボティクス第13回
- 5. • motion update
Oct. 7, 2015 確率ロボティクスと移動ロボットの行動生成 5
動いた後
の推定値
動く前の
推定値 入力に
よる遷移
動いた後の
共分散行列 動く前の
共分散行列
雑音εの
共分散行列
状態方程式
- 6. • sensor update
Oct. 7, 2015 確率ロボティクスと移動ロボットの行動生成 6
センサ値
センサ値
で推定値
を補正
「カルマン
ゲイン」
を求める
推定位置から
予想された
センサ値
センサ雑音δ
の共分散行列
- 9. • sensor update
– カルマンフィルタより計算量が小さい
– 定数・既知の変数との足し算
Oct. 7, 2015 確率ロボティクスと移動ロボットの行動生成 9
ここが足し算になっていることがGraphSLAMにとって重要
- 16. 追加する情報
Oct. 7, 2015 確率ロボティクスと移動ロボットの行動生成 16
• 情報行列に次の6x6行列を追加
• 情報ベクトルに次の6次元縦ベクトルを追加
計測誤差を並べた
3x6行列
(確率ロボティクス
p.315参照のこと)
計測の雑音の
共分散行列
計測値
推定姿勢で予測
される計測値
- 17. 後処理
• 情報行列自体はそのままでは何も情報を与えない
• 情報行列と情報ベクトル縮小していく
– 最終的に姿勢の遷移の情報が残る
• 例
– X1とX2でm1を見た情報からX1とX2に情報を追加
Oct. 7, 2015 確率ロボティクスと移動ロボットの行動生成 17
x0 x1 x2 ... m1 m2 m3 ...
Ω0 X
X A
x0
x1
x2
m1
m2
m3
A' C
A''
B
B'
B''
x0 x1 x2 ... m1 m2 m3 ...
Ω0 X
X D
x0
x1
x2
m1
m2
m3
D' D''
D'''X
X
- 18. • 使われる式
– 情報ベクトルから次のベクトルを引く
• τ(mj): ランドマークmjが観測された姿勢xの集合
– 同じく情報行列から次の行列を引いていく
• 全部引き終わると、姿勢に関する情報行列、
情報ベクトルができる
Oct. 7, 2015 確率ロボティクスと移動ロボットの行動生成 18