タグ付けされた質問 「localization」

粒子フィルターの基本原理を理解し、実装しようとしました。しかし、リサンプリングの部分にこだわった。 理論的には、非常に簡単です。古い（および重み付けされた）パーティクルのセットから、置換された新しいパーティクルのセットを描画します。その際、重量の大きい粒子を優先してください。ウェイトが高いパーティクルはより頻繁に描画され、ウェイトが低いパーティクルはより頻繁に描画されません。おそらく一度だけか、まったくないでしょう。リサンプリング後、すべての重みに同じ重みが割り当てられます。 これを実装する方法に関する私の最初のアイデアは、本質的にこれです： 重みを正規化する 各重量に粒子の総数を掛ける それらのスケーリングされた重みを最も近い整数に丸めます（たとえばint()Pythonで） 今、私は、各粒子を描画する頻度を知っている必要があります、しかし、原因丸めエラーのために、私が持っ終わる少ない粒子リサンプリングステップの前によります。 質問：リサンプリング手順の前と同じ数のパーティクルに到達するために、欠落しているパーティクルを「埋める」にはどうすればよいですか？または、ここで完全に軌道に乗っていない場合、どのように正しくリサンプリングしますか？

24 localization  particle-filter 

IMUを使用すると、ロボットは開始位置に対する現在位置を推定できますが、これには時間の経過とともにエラーが発生します。GPSは、ローカルエラーの蓄積によって偏らない位置情報を提供するのに特に役立ちます。しかし、GPSは屋内では使用できず、屋外でもむらがある場合があります。 では、GPSを使用せずに（基準のフレームに対して）ローカライズするためにロボットが使用できる方法またはセンサーは何ですか？

23 localization  gps  sensors  slam 

ロボットを機能のない環境に落とし、磁場ベースのセンサー（磁力計/コンパス）が許可されていないとしましょう。 北がどこにあるかを判断する方法は何ですか？ 太陽/星の追跡はオプションですが、天候を考慮すると十分に信頼できません。ジャイロを使用して地球の自転を取り込めますか？ もっと賢い解決策はありますか？

19 localization 

GPSの精度が十分でない場合、たとえば私道の幅がわずか10フィートで、GPSの精度が20から30フィートに過ぎない場合（ことわざ湖の場合）、RFビーコンを使用してクアッドコプターをローカライズしてオートランディングを行いたいどちらかの側の溶岩の）。クアッドコプターはGPSを使用して、ビーコンから十分な強度の信号が出るまで荒い場所に飛行し、その信号を使用して、ビーコンから参照される正確な位置に着陸するようになります。誰かがビーコンとそれに付随する受信機（デジタルまたはアナログ方式でArduinoに接続するのに適しています）を構築し、たとえば50 '以内に4インチ以上の水平および垂直精度を達成する背後にある概念と理論を教えてください球体？最低でも、クワッドには範囲と高度が必要です。 最後の注意点-このことは、72MHz帯域で動作することが望ましいでしょう。私が動作している場所には、同じ帯域で動作する他のデバイスはないと仮定してください。

17 localization  quadcopter  gps 

ほとんどの場合、カルマンフィルターのノイズマトリックスの調整は、試行錯誤またはドメインの知識によって行われます。すべてのカルマンフィルターパラメーターを調整するためのより原則的な方法はありますか？

17 odometry  localization  kalman-filter 

SLAMにEKFを使用していますが、更新手順に問題があります。Kが特異であり、とrcond評価されるという警告が表示されnear eps or NaNます。問題の原因はZの反転にあると思います。最後の項を反転せずにカルマンゲインを計算する方法はありますか？ 私はこれが問題の原因であるという100％の肯定的ではないので、コード全体をここに入れました。メインエントリポイントはslam2dです。 function [ x, P ] = expectation( x, P, lmk_idx, observation) % expectation r_idx = [1;2;3]; rl = [r_idx; lmk_idx]; [e, E_r, E_l] = project(x(r), x(lmk_idx)); E_rl = [E_r E_l]; E = E_rl * P(rl,rl) * E_rl'; % innovation z = observation - e; Z …

16 slam  localization  kalman-filter  mapping 

EKFローカリゼーションの予測ステップでは、線形化を実行し、（確率的ロボティクス[THRUN、BURGARD、FOX]ページ206で述べたように）速度運動モデルを使用するときのヤコビ行列を定義する必要があります。 ⎡⎣⎢xyθ⎤⎦⎥′=⎡⎣⎢xyθ⎤⎦⎥+⎡⎣⎢⎢⎢v^tω^t(−sinθ+sin(θ+ω^tΔt))v^tω^t(cosθ−cos(θ+ω^tΔt))ω^tΔt⎤⎦⎥⎥⎥[xyθ]′=[xyθ]+[v^tω^t(−sinθ+sin(θ+ω^tΔt))v^tω^t(cosθ−cos(θ+ω^tΔt))ω^tΔt]\begin{bmatrix} x \\ y \\ \theta \end{bmatrix}' = \begin{bmatrix} x \\ y \\ \theta \end{bmatrix} + \begin{bmatrix} \frac{\hat{v}_t}{\hat{\omega}_t}(-\text{sin}\theta + \text{sin}(\theta + \hat{\omega}_t{\Delta}t)) \\ \frac{\hat{v}_t}{\hat{\omega}_t}(\text{cos}\theta - \text{cos}(\theta + \hat{\omega}_t{\Delta}t)) \\ \hat{\omega}_t{\Delta}t \end{bmatrix} として計算されます GT=⎡⎣⎢⎢100010υtωt(−cosμt−1,θ+cos(μt−1,θ+ωtΔt))υtωt(−sinμt−1,θ+sin(μt−1,θ+ωtΔt))1⎤⎦⎥⎥GT=[10υtωt(−cosμt−1,θ+cos(μt−1,θ+ωtΔt))01υtωt(−sinμt−1,θ+sin(μt−1,θ+ωtΔt))001]G_{T}= \begin{bmatrix} 1 & 0 & \frac{υ_{t}}{ω_{t}}(-cos {μ_{t-1,θ}} + cos(μ_{t-1,θ}+ω_{t}Δ{t})) \\ 0 & 1 & \frac{υ_{t}}{ω_{t}}(-sin {μ_{t-1,θ}} …

14 localization  kalman-filter 

明らかに、GPSは、特定の時間にロボットの位置の「修正」を取得するための最も明白でアクセス可能な技術です。しかし、時には素晴らしいこともありますが、他の場所や状況では、私が望むほど正確ではないので、この精度を改善する比較的簡単な方法があるかどうかを調査しています（そうでない場合はそうではない場合） ） 次のオプションを検討しましたが、オンラインで限られた情報が見つかりました。 特に低信号エリアでは、より優れたアンテナを使用すると役立ちますか？私はこれに賛成だと思っていますが、もしそうなら、そのようなアンテナをどのように構築し、それが改善されていることを知っていますか？これを行う方法についての良いガイドはありますか？あまり高価でなければ、既製のアンテナを使用できます。 複数の別々のレシーバーをタンデムで使用するのでしょうか、それともすべて同じような量だけオフになる可能性がありますか、またはこのアプローチで意味のある平均を抽出できませんか？ 精度を高めるために適切なGPS受信機を選択するとき、どのような特性を探す必要がありますか？ 私が見逃したものを考慮する必要がある他のものはありますか？

12 localization  gps 

「間接カルマンフィルター」または「エラー状態カルマンフィルター」という用語の正確な意味がわかりません。 私が見つけた最ももっともらしい定義はメイベックの本[1]にあります： 名前が示すように、合計状態空間（直接）の定式化では、車両の位置や速度などの合計状態はフィルターの状態変数の1つであり、測定値はINS加速度計の出力と外部ソース信号です。エラー状態空間（間接）の定式化では、INSで示された位置と速度のエラーは推定変数の1つであり、フィルターに提示される各測定値はINSと外部ソースデータの差です。 20年後、Roumeliotisら。[2]に書く： 代わりにジャイロモデリングを選択することで、特定の車両の扱いにくいモデリングと動的環境との相互作用を回避できます。ジャイロ信号はシステムの（測定ではなく）方程式に現れるため、問題の定式化には間接（エラー状態）カルマンフィルターアプローチが必要です。 太字の部分は理解できません。[3]でもっと早く書いてください： 自律型宇宙船の場合、モデルの代替として慣性基準ユニットを使用すると、これらの問題を回避できます。 次に、メイベックの定義によれば、カルマンフィルターが直接直接作用するジャイロモデリングを使用したEKFのさまざまなバリアントを示します。状態は、姿勢の四元数とジャイロバイアスのみで構成され、エラー状態ではありません。実際、エラー状態のカルマンフィルターで推定するエラーを持つ別のINSはありません。 だから私の質問は： 知らない間接（エラー状態）カルマンフィルターの別の、おそらく新しい定義はありますか？ 一方では適切な動的モデルを使用するのではなく、他方ではジャイロモデリングと、直接または間接のカルマンフィルターを使用するかどうかの決定はどのように関連していますか？私はどちらも独立した決定であるという印象を受けました。 [1]メイベック、ピーターS.確率モデル、推定、および制御。巻。1.学術出版局、1979年。 [2] Roumeliotis、Stergios I.、Gaurav S. Sukhatme、およびGeorge A. Bekey。「動的モデリングの回避：移動ロボットの位置特定に適用されるエラー状態カルマンフィルターの評価。」ロボット工学と自動化、1999年。1999 IEEE International Conference on。巻。2. IEEE、1999年。 [3] Lefferts、Ern J.、F。Landis Markley、およびMalcolm D. Shuster。「宇宙船の姿勢推定のためのカルマンフィルタリング」。Journal of Guidance、Control、and Dynamics 5.5（1982）：417-429。

11 localization  kalman-filter  navigation  errors 

アンセンテッドカルマンフィルターは、拡張カルマンフィルターの変形であり、一次テイラー級数展開ではなく、「シグマポイント」のセットの変換に依存する異なる線形化を使用します。 UKFはヤコビアンの計算を必要とせず、不連続変換で使用でき、最も重要なことには、非常に非線形な変換のEKFよりも正確です。 私が見つけた唯一の欠点は、「EKFはしばしばUKFよりもわずかに速い」（確率論的ロボティクス）ことです。これは私には無視できるようであり、それらの漸近的な複雑さは同じようです。 それで、なぜ誰もがまだUKFよりもEKFを好むように見えるのですか？UKFの大きな欠点を見逃しましたか？

10 mobile-robot  localization  kalman-filter  ekf 

仮想パス（「白い表面上の黒い線」などの見えないパス）をたどるロボットを構築したいと思います。 ロボットが混雑した場所で商品や資材を運ぶSFのビデオを見て、私は熱狂的です。そして、彼らは実際には物理的な線をたどっていません。彼らは障害物、深さなどを感知します。 ポイントAからBまでの特定の（仮想）パスをたどるロボットを1つ構築したいと思います。 私はいくつかのことを試しました： ロボットの「ホール効果」磁気センサーと電流を運ぶワイヤー（テーブルの下）を使用します。ここでの問題は、ホール効果センサーの近くが非常に小さい（<2cms）ため、ロボットがオンラインかオフラインかを判断するのが非常に難しいことです。テーブルが1インチの厚さなので、一連の磁石を使用してもこの問題を解決できませんでした。したがって、このアイデアは失敗しました：P 紫外線塗料（ライン上）を使用し、ロボットのUV LEDをセンサーとして使用します。これにより、ロボットのジグザグモーションが増加します。そして、UV光源を使用する潜在的な脅威のために、この考えでさえも失敗しました：P 最後に、カメラを上に置き、画像処理アルゴリズムを使用して、ロボットが並んでいるか分岐しているかを確認することを考えました。 これより良い解決策はありますか？いくつかの創造的でシンプルなソリューションを本当に探しています。:)

10 mobile-robot  localization  wheeled-robot  industrial-robot  line-following 

エンドエフェクターでツールを保持している6軸の多関節ロボットアームがある場合、希望するツールの位置と方向がある場合、ロボットがその位置に到達するための逆運動学方程式のソリューションは1つだけです。 （または、関節の範囲に応じて、最大16の異なるソリューション） しかし、ロボットがペンのようなものを持ち、ロボットがターゲット上のそのペンで特定のポイントをマークするようにしたい場合、マークされた表面に垂直である限り、ペンの向きを気にしません。 したがって、逆運動学方程式は無限に多くの解を持つことになります。 これらのソリューションの中から、現在の構成に最も近いジョイント構成を選択するにはどうすればよいですか？ （または、すべての関節角度が最大値と最小値から最も離れているなど、他の同様の基準に従って最適である関節構成）

10 localization  motion-planning  industrial-robot  inverse-kinematics  kinematics 

バックグラウンド： ロボットの進行方向を推定する単純なカルマンフィルターを実装しています。ロボットにはコンパスとジャイロスコープが搭載されています。 私の理解： 私は、2次元ベクトルとしての私の状態を表す考えていますところ、xは現在の進行方向であると ˙ Xジャイロスコープによって報告された回転速度です。(x,x˙)(x,x˙)(x, \dot{x})xxxx˙x˙\dot{x} 質問： 私の理解が正しければ、私のフィルターには制御項はありません。本当ですか？状態を1Dベクトル（x ）とするとどうなりますか？その後、私が行う˙ xは制御項となり、U？これら2つの方法で異なる結果が得られますか？uuu(x)(x)(x)x˙x˙\dot{x}uuu ご存知のように、主なノイズ源はコンパスが歪んだ磁場内にあるときにコンパスから発生します。ここでは、ガウスノイズはそれほど重要ではないと思います。しかし、磁気歪みは完全に予測不可能です。カルマンフィルターでどのようにモデル化しますか？ カルマンフィルターでは、「すべてのノイズが白い」という仮定が必要ですか？たとえば、実際のノイズ分布がラプラシアン分布である場合でも、カルマンフィルターを使用できますか？または、拡張カルマンフィルターなどの別のフィルターに切り替える必要がありますか？

9 localization  kalman-filter  gyroscope  compass 

私は300cm x 300cmの部屋で、天井が25cm（ええ25センチメートル）です。これには、50台の小さな車輪付きロボット（約20cm x 20cm）が含まれています。中央のコンピューターがロボットの動きを調整し、無線ネットワークを使用してロボットに位置コマンドを送信します。ロボットは独自の閉ループ位置制御を実行して、ワイヤレス帯域幅を節約します。ロボットには32ビットARMマイクロコントローラーがあります。ホイール位置センサーがあり、正確なホイール制御を行うことができます。 問題：ロボットは部屋の中で自分の位置を測定する方法がないため、実際にはまだこれを行うことができません。 質問：ロボットに、位置と向きを±5mmを超える精度で測定する機能を与えるにはどうすればよいですか？オクルージョンの影響を受けず、各ロボットに高出力PCを必要としない、正確で堅牢なソリューションを探しています。位置特定に必要なセンサーは、ロボットに簡単に追加できます。ローカリゼーションソリューションが要求する場合、マイクロコントローラーをより強力なものに簡単に変更できます。

9 localization  wireless  swarm 

ロボット工学プログラミングでは、向きは主に、中心位置からのx、y、およびz座標で与えられます。ただし、x、y、z座標は、選択する場所が多数ある場合（{23、34、45}、{34、23、45}、{34、32、45}など）、人間がすばやく理解するのに不便です。 、{23、43、45}は特に人間にやさしいわけではなく、ヒューマンエラーが発生しやすくなっています）。しかし、より一般的な英語の方向記述子は、多くの場合、迅速に選択するには言葉が多すぎるか、または不正確すぎます（たとえば、「ロボット1の右前肩にある正面カメラ」は言葉が多すぎますが、「前」/「前」は不正確です-です最先端のカメラか、それとも前向きですか？） 海軍および航​​空分野では、車両の位置は、一般に、前部、後部（または船尾）、港、および右舷と呼ばれます。一方、車両に関連する移動方向は、文字盤を基準にして与えられることがよくあります（たとえば、前部前方は「12時」、後部後方は「6」、右舷およびポートの左側は、それぞれ「3」と「9」です。この言語は、「前」や「前」などの用語よりも正確な迅速な人間のコミュニケーションをサポートします。モバイルロボット工学に同等の用語はありますか？

9 mobile-robot  control  design  localization  navigation