Урок 1: Локализация. Гистограммные фильтры

Введение

● Локализация робота в пространстве в общем случае определяется  повторяющимися итерациями между данными получаемыми с сенсоров сканирующих окружающие предметы и сенсорами фиксирующими перемещение робота, что позволяет нам отслеживать и поддерживать положение, ориентацию и скорость нашего робота.

○ Шум (погрешности  энкодеров определяющих  перемещения роботов) в движении увеличит неопределенность, которую мы имеем
о положении, в то время как сенсорная информация об окружающих предметах будет уменьшите нашу неопределенность.

● Гистограммные фильтры  могут использоваться для локализации в дискретно определенном пространстве, которое позволяют сохранять мультимодальные оценки целевого местоположения с требованиями к памяти, которые экспоненциально увеличивают число измерений.

● Представьте веру в текущее местоположение робота как распределением вероятностей по окружающей среде, поделенную  дискретной сеткой.

● Здесь мы используем правило Байеса, которое говорит нам о соотношении между данными D, которые мы получаем, и вероятностью нашего местоположения X (символ α ниже считается «пропорциональным», нормализуется все местоположения для получения правильного распределения вероятности):
Предыдущая  вероятность, назначенная месту Х (i) данного наблюдения D пропорционально произведению вероятности наблюдения с учетом местоположения и предыдущей вероятности нахождения в этом месте.

● Изменения движения  напоминают нам  о свертке. Поэтому, мы используем теорему общей вероятности, которая показывает нам отношения между нашей предыдущей позицией X(t) на шаге времени t и нашей новой позицией X(t + 1)  на следующем шаге t + 1;

Ссылки

Реализация и исследование алгоритма локализации мобильного робота на основе гистограммного фильтра . . .

Дипломная работа. А.А. Андреев. Реализация и исследование алгоритма локализации мобильного робота на основе гистограммного фильтра

Локализация робота II: гистограммный фильтр  . . .

Гистограммные фильтры на GitHub . . .