私の狙いの背景

私は、未知の領域の周りをナビゲートし、障害物を回避し、さまざまなタスクを実行するために音声入力を受信する必要がある移動自律ロボットを構築しています。また、顔やオブジェクトなども認識しなければなりません。Kinectセンサーとホイールオドメトリデータをセンサーとして使用しています。公式ドライバーとSDKがすぐに利用できるので、私はC＃を主要言語として選択しました。ビジョンとNLPモジュールを完了し、ナビゲーション部分に取り組んでいます。

私のロボットは現在、Arduinoを通信用のモジュールとして使用し、ラップトップ上のIntel i7 x64ビットプロセッサをCPUとして使用しています。

これはロボットとその電子機器の概要です：

問題

エンコーダーからロボットの位置を取得するシンプルなSLAMアルゴリズムを実装し、Kinectを使用して（3D点群の2Dスライスとして）見えるものをマップに追加します。

これは私の部屋の地図が現在どのように見えるかです：

これは私の実際の部屋の大まかな表現です：

ご覧のとおり、それらは非常に異なり、非常に悪いマップです。

• これは推測航法だけを使用することから予想されますか？
• 私はそれを洗練して実装する準備ができている粒子フィルターを知っていますが、この結果を改善する方法は何ですか？

更新

私の現在のアプローチについて言及するのを忘れていました（以前は忘れていました）。私のプログラムは大まかにこれを行います：（私は動的テーブルを格納するためにハッシュテーブルを使用しています）

• Kinectから点群を取得
• シリアルオドメトリデータの受信を待つ
• タイムスタンプベースの方法を使用して同期する
• ウィキペディアの方程式とエンコーダーデータを使用してロボットのポーズ（x、y、theta）を推定する
• 点群の「スライス」を取得する
• 私のスライスは基本的にXおよびZパラメータの配列です
• 次に、ロボットのポーズとXおよびZパラメータに基づいてこれらのポイントをプロットします
• 繰り返す

これは予想されることですか？原則としてはい。オドメトリモデルを改善できる場合もありますが、一般的には、適切なマップを取得するには不十分です。システムの説明がないと、システムを改善する方法を説明するのは困難です。ほとんどのシステムでは、回転推定よりも平行移動推定の方が優れています。ジャイロを追加して回転を測定できます。これにより、結果が大幅に改善されます。

パーティクルフィルターを自分で実装する代わりに、たとえばopenslamからのSLAM実装を使用できます。これにより多くの時間を節約でき、より良い結果が得られるでしょう。

パーティクルフィルター/ EKFを試すことをお勧めします。

あなたが現在していること：

->推測航法：現在の位置を参照せずに見ています。

->継続的なローカリゼーション：地図のどこにいるかがおおまかにわかります。

参照がなく、マップ上のどこにいるかわからない場合、どのようなアクションをとっても、完全なマップを取得するのは難しいでしょう。

例：円形の部屋にいるとします。あなたは前進し続けます。あなたはあなたの最後の動きが何であったか知っています。あなたが得る地図は、構造のようなまっすぐな箱の地図になります。これは、ローカライズする方法や、マップ上の正確な位置を継続的に知る方法がない限り、継続的に発生します。

ローカリゼーションは、開始基準点がある場合、EKF /粒子フィルターを介して行うことができます。ただし、開始基準点は必須です。

推測航法を使用しているため、ロボットの姿勢を推定する際のエラーは時間とともに蓄積されます。私の経験から、しばらくすると、推測航法のポーズ推定は役に立たなくなります。ジャイロスコープや加速度計などの追加のセンサーを使用すると、姿勢推定が向上しますが、ある時点でフィードバックがないため、以前と同様に発散します。その結果、Kinectからの適切なデータがある場合でも、ポーズの推定が無効であるため、正確なマップを構築することは困難です。

マップを構築する（SLAM！）と同時に、ロボットをローカライズする必要があります。そのため、マップが作成されている間、同じマップを使用してロボットをローカライズします。これにより、ポーズ推定が発散せず、マップの品質が向上します。したがって、いくつかのSLAMアルゴリズム（FastSLAMなど）を調べて、独自のバージョンを実装することをお勧めします。