《第一学期第十讲机器人导论.ppt》由会员分享，可在线阅读，更多相关《第一学期第十讲机器人导论.ppt（23页珍藏版）》请在三一办公上搜索。
1、2012-2013学年第一学期第十讲机器人导论,王国利信息科学与技术学院中山大学,地图表示/Map Representation,里程计、航迹推算/Odometry,Dead Reckoning 基于外部传感器的定位,信标或路标 基于概率地图的定位,5.5,Perception,信念表示/Belief Representation,a)连续地图 单一假设 b)连续地图 多重假设 d)离散地图 概率分布 d)离散拓扑地图 概率分布,5.4,单一假设信念/Single-hypothesis Belief Continuous Line-Map,5.4.1,单一假设信念/Single-hypothe
2、sis Belief Grid and Topological Map,5.4.1,网格表示-多假设/Grid-base Representation-Multi Hypothesis,20 cm2的网格,5.4.2,Courtesy of W.Burgard,地图表示/Map Representation,地图的精度与应用特征精度与地图精度精度与计算复杂连续/分解：具体抽象,5.5,环境表示/Representation of the Environment,环境的表示/Environment Representation连续度量 x,y,q离散度量 度量网格离散拓扑 拓扑网格 环境建模/E
3、nvironment Modeling裸传感数据,e.g.机关测距数据,灰度图像数据数据规模大,单个数据低水平区分度利用所有获取的数据低层次特征,e.g.几何特征 中等数据规模,平均水平的区分度过滤出有用的信息,仍然有歧义性高层次特征,e.g.门,车,埃菲尔铁塔 小规模数据,高区分度过滤出有用的信息,歧义性小，但未必充分,5.5,地图表示Map Representation:Continuous Line-Based,建筑图/Architecture map线段表示/Representation with set of infinite lines,5.5.1,地图表示Map Represen
4、tation:Decomposition(1),精确地胞元分解/Exact cell decomposition,5.5.2,地图表示Map Representation:Decomposition(2),固定胞元分解/Fixed cell decomposition窄通道消失/Narrow passages disappear,5.5.2,地图表示Map Representation:Decomposition(3),适应胞元分解/Adaptive cell decomposition,5.5.2,地图表示Map Representation:Decomposition(4),固定胞元分解
5、Example with very small cells,5.5.2,Courtesy of S.Thrun,地图表示Map Representation:Decomposition(5),拓扑分解/Topological Decomposition,5.5.2,地图表示Map Representation:Decomposition(6),拓扑分解/Topological Decomposition,节点,连接(弧),5.5.2,地图表示Map Representation:Decomposition(7),拓扑分解/Topological Decomposition-传感：根据拓扑图检测
6、位置-控制：结点之间的移动能力,5.5.2,发展现状/State-of-the-Art:Current Challenges in Map Representation,现实世界是动态的/Real world is dynamic 感知面临的主要挑战/Perception is still a major challenge出现误差不可抗拒 难以提取有用信息 穿越空旷地带/Traversal of open space 如何创建拓扑关系/How to build up topology(boundaries of nodes)传感器融合/Sensor fusion,5.5.3,概率地图实现的定
7、位/Probabilistic,Map-Based Localization(1),考虑机器人在已知的环境中移动 当开始移动时,即从以精确已知的位置出发,可以使用里程计跟踪其位置。然而，经过一段时间，其位置信息将有可能变得不确定了.可以通过观察环境更新或修正其位置信息。环境观察的方式可以与里程计融合，实现机器人位置的更好估计。,5.6.1,概率地图实现的定位/Probabilistic,Map-Based Localization(2),动作更新/Action update动作模型/action model ACT这里 ot:编码器测量值,st-1:先验信念状态（prior belief st
8、ate）不确定性增长 感知更新/Perception update感知模型/perception model SEE这里 it:外部感受传感器输入,s1:更新信念状态不确定性降低,5.6.1,概率地图实现的定位/Probabilistic,Map-Based Localization(3),5.6.1,Perception,概率地图实现的定位,移动过程改善信念的 不确定性,5.6.1,概率地图实现的定位/Probabilistic,Map-Based Localization(4),给定 位置估计/the position estimate 协方差/its covariance for time k,当前控制输入/the current control input 当前观测/the current set of observations 地图/the map 计算新的位置估计 协方差,5.6.1,实现定位的五个环节/The Five Steps for Map-Based Localization,1.基于里程计及先前的估计实现的预测2.传感器完成的在线观测3.预测和地图完成对测量的预测4.观测与地图的匹配5.估计 更新位置(后验位置估计),5.6.1,
