私は、環境とその開始位置と方向のマップが与えられたロボットのモンテカルロローカリゼーションを実装しています。鉱山のアプローチは次のとおりです。
- 指定された位置の周りに均一に500個のパーティクルを作成します
- 次に、各ステップで:
- モーションはすべてのパーティクルをオドメトリで更新します(現在のアプローチはnewX = oldX + odometryX(1 + standardGaussianRandom)などです)。
- ソナーデータを使用して各粒子に重みを割り当てます(式は各センサーの確率に対するものです* = gaussianPDF(realReading)。ここで、ガウスには平均予測読み取りがあります)
- このステップでの位置として最大の確率で粒子を返す
- 次に、重みに従って古い粒子から新しい粒子の9/10がリサンプリングされ、予測された位置の周囲で1/10が均一にサンプリングされます
今、私はロボットの環境のためのシミュレーターを書きました、そしてこれはこのローカリゼーションがどのように動作するかです:http : //www.youtube.com/watch? v=q7q3cqktwZI
ロボットが長期間失われる可能性があることを非常に恐れています。より広い領域に粒子を追加すると、ロボットはさらに簡単に迷子になります。
より良いパフォーマンスを期待しています。何かアドバイス?
単一のソナーセンサーを考えると、ビデオに示されているパフォーマンスは良好です。ロボットが失われる例のビデオはありますか?
—
Demetris 2014年
実際には5つのソナーがありますが、それでも良いと言えますか?ロボットが迷子になるビデオはありませんが、今日は実際のロボットで試します。
—
Andrei Ivanov 2014年
あなたの懸念が何であるか私には明確ではありません。実装したPFは正常に動作しているようです。多分あなたはあなたがあなたが問題であると考えるものについてより詳細にすることができます。
—
Demetris 2014年
複数のスタック交換サイトで同じ質問をしないでください。誤って間違ったサイトで質問した場合、正しいサイトに移行できます。
—
マークブース