همزمان محلی سازی و نقشه برداری (SLAM) یک تکنولوژی کلیدی در رباتیک است که یک ربات را قادر می سازد تا یک نقشه از یک محیط ناشناخته را ایجاد کند در حالی که به طور همزمان موقعیت خود را در آن نقشه تعیین می کند. پیاده سازی فیلتر گسترده کالمن (EKF) باعث تقویت استحکام SLAM می شود، به ویژه در محیط هایی با سر و صدا و عدم اطمینان.این آموزش یک راهنمای گام به اجرای قوی EAM برای SLAM است.

درک فیلتر گسترده Kalman

EKF یک گسترش فیلتر Kalman است که برای کنترل سیستم های غیر خطی طراحی شده است.این کار عملکردهای غیر خطی را در اطراف برآورد فعلی خطی می کند و اجازه می دهد تا برآورد وضعیت بازگشتی را انجام دهد.در SLAM، EKF هر دو حالت ربات و موقعیت های نشانه های موجود در محیط را تخمین می زند.

مرحله 1: تعریف دولت و تخمدان C

بردار دولتی معمولا شامل موقعیت و جهت گیری ربات، همراه با موقعیت های برجسته است:

  • در این میان، ، Y، π[FLT 1]
  • در این باره می خوانیم: {FLT:0}x i, y i

ماتریس اولیه c تخمدان نشان دهنده عدم اطمینان در برآورد اولیه است.

مرحله ۲: پیش بینی مرحله

با استفاده از مدل حرکت ربات، حالت بعدی را پیش بینی کرده و ماتریس c تخمدان را به روز کنید. معادلات حرکت غیر خطی خطی با استفاده از Jacobians خطی شده اند:

پیش بینی دولت:

[[ویرایش] [۱] [۱۰] [۱۰] [۱] [۱] [۱۰] [۱۰] [۱۰] [۱۰] [۱۰] [۱۰] [۱۰]] [۱۰] [۱] [۱۰] [۱۰]] [۱۰] [۱۰] [۱۰]] [۱۰] [۱۰] [۳] [۳] [۳] [۳] [۳] [۳] [۳] [۳] [۳] [۳] [۳] [۳] [۳] [۳] [۱] [۱] [۱] [۳] [۱] [۱] [۳] [۲] [۳] [۳] [۳] [۱] [۱] [۱] [۳] [۳] [۳] [۱] [۳] [۳] [۳] [۳] [۳] [۱] [۱۰] [۳] [۱۰] [۱۰] [۱۰] [۳] [۱] [۱۰] [۳] [۱] [۱] [۱] [۱] [۱] [۳] [۳] [۱] [۱] [۳] [۳] [۳] [۲] [۱] [۱]

پیش بینی تخمدان:

[[ویرایش] [[[ویرایش] [[ویرایش]] [[[ویرایش]]] [[[ویرایش]]] [[[ویرایش]] [FLT-1 [FLT] [F] [F [F] [F] [F [F ] [F ] [F ] [F ] [F ] [F ] [F ] [ [F ] [ [ [F ] [F ] [ [ [ [ [ ] ] ] [ [ [ [ [ ] ] ] ] [ [ [ [ ] ] ] ] ] [ [ [ ] ] ] ] ] [ ] ] ] ] ] [F ] [ [ [ [ [ [ [ [ [ ] ] ] ] ] [ [ [ [ ] ] ] ] [ [ [ ] ] ] ] [ [ ] ] ] ] ] ] ] ] [ [ [ [ [ [ [ [ ] ] ] ] ] ] [ [ [ [ [ ] ] ] ] [ [ [ [ [ [ [ [ [ [ [ [ ] [ [ [ [ [ [ [ [ [ [ [ [ [ [ ] ] ] ] ] ] ] ] ] ] ] ] ]

مرحله 3: Update Step

هنگامی که اندازه گیری سنسور دریافت می شود، برآورد دولتی را به روز کنید. خطی کردن مدل اندازه گیری با استفاده از Jacobians:

پیش بینی اندازه گیری:

[[ویرایش] [۱] [۱۰] [۱۰] [۱۰] [۱۰] [۱۰] [۱۰] [۱۰] [۱۰] [۱۰] [۱۰] [۱۰] [۳] [۱۰] [۳] [۱۰] [۳] [۱۰] [۱۰] [۳] [۳] [۳] [۳] [۳] [۳] [۳] [۳] [۳] [۳] [۳] [۳] [۳] [۳] [۳] [۳] [۳] [۳] [۳] [۳] [۳] [۳] [۳] [۳] [۳] [۳] [۳] [۳] [۳] [۳] [۳] [۳] [۳] [۳] [۳] [۳] [۳] [۳] [۳] [۳] [۳] [۳] [۳] [۳] [۳] [۳] [۳] [۳] [۳] [۳] [۳] [۳] [۳] [۳] [۳] [۳] [۳] [۳] [۳] [۳] [۳] [۳] [۳] [۳] [۳]

نوآوری:

[[ویرایش] [[[ویرایش] [[[ویرایش]] [[[ویرایش]]] [[[۱۰]]]] [[۱۰]]] [[۱۰]]] [[۳]]] [[۱۰]]] [۱۰] [۱۰] [۱۰] [۱۰] [۳] [۳] [۳] [۳] [۳] [۳] [۳] [۳] [۳] [۳] [۳] [۳] [۳] [۳] [۳] [۳] [۳] [۳] [۳] [۳] [۳] [۳] [۳] [۳] [۳] [۳] [۳] [۳] [۳] [۳] [۳] [۳] [۳] [۳] [۳] [۳] [۳] [۳] [۳] [[[[[۳] [۳] [۳] [۳] [۳] [[[[[[۳] [۳] [۳] [۳] [۳] [۳] [[[۳] [۳] [۳] [[[[[[۳] [۳] [۳] [۳] [۳]

کالمن محاسبه می کند:

[[ویرایش] [[[ویرایش] [[ویرایش] [۱] [۱۰] [۱]] [۱۰] [۱] [۱۰] [۱۰] [۱۰] [۱۰] [۱۰] [۱۰] [۱۰] [۱۰] [۱۰] [۱۰] [۱۰] [۱۰] [۱۰] [۱۰] [۱۰] [۱۰] [۱۰] [۱۰] [۱۰] [۱۰] [۱۰] [۳] [۱۰] [۱۰] [۳] [۳] [۱۰] [۱۰] [۱۰] [۱۰] [۱۰] [۳] [۱۰] [۱۰] [۱۰] [۱۰] [۱۰] [۳] [۱۰] [۱۰] [۱۰] [۱۰] [۱۰] [۳] [۳] [۱۰] [۳] [۳] [۳] [۳] [۱۰] [۱۰] [۱۰] [۱۰] [۱۰] [۱۰] [۱۰] [۱۰] [۱۰] [۱۰] [۱۰] [۱۰] [۳] [۱۰] [۱۰] [۱۰] [۱۰] [۳] [۱۰] [۱۰] [۳] [۱۰] [۱۰] [۱۰] [۱۰] [۱۰

به روز رسانی دولتی:

[[ویرایش] [[[ویرایش] [[ویرایش]] [[[ویرایش]]] [[[ویرایش]]] [[[ویرایش]]] [[[۳]]]] [[۳]]] [[۱۰]]] [۱۰] [۱۰] [۱۰] [۱۰] [۳] [۳] [۱۰] [۳] [۳] [۳] [۳] [۳] [۳] [۳] [۳] [۳] [۳] [۳] [۳] [۳] [۳] [۳] [۳] [۳] [۳] [۳] [۳] [۳] [۳] [۳] [۳] [۳] [۳] [۳] [۳] [۳] [۳] [۳] [۳] [۳] [۳] [۳] [۳] [۳] [۳] [۳] [۳] [۳] [۳] [۳] [۳] [۳] [۳] [۳] [۳] [۳] [۳] [۳] [۳] [۳] [۳] [۳] [۳] [۳] [۳] [۳] [۳]

به روز رسانی C تخمدان:

[[ویرایش] [[[ویرایش] [[ویرایش]] [[[ویرایش]]]] [[[ویرایش]]] [[[ویرایش]] [[[ویرایش]] [F [2] [2 ] [2 ] [2 ] [2 ] [2 ] [ [ [ [ [ [ [ ] [ [ ] ] [ [ [ ] [ ] ] [ [ [ ] [ ] [ ] [ [ [ [ ] [ ] ] ] [ [ [ [ ] ] ] [ ] [ [ [ [ ] ] ] ] [ ] [ ] ] ] ] ] [ [ [ [ [ [ [ [ [ [ [ [ ] ] ] [ [ [ [ [ [ ] ] [ [ [ [ ] ] ] ] [ [ [ ] ] ] ] ] ] ] [ [ [ [ [ [ [ [ [ [ [ [ [ [ [ [ [ [ [ ] ] ] ] ] ] ] ] ] ] [ [ [ [ [ [ [ [ [ [ [ [ [ [ [ [ [ [ [ [ ] ] ] ] ] ] ] ] ] ] ] [ [ ]

مرحله 4: Incorporate Landmarks

علامت های زمینی به بردار دولتی اضافه می شوند، همانطور که شناسایی می شوند. EKF تخمین ها را بر اساس اندازه گیری ها، بهبود دقت محلی در طول زمان به روز می کند.

نتیجه گیری

پیاده سازی EKF برای SLAM شامل تعریف دولت، پیش بینی حرکت ربات و به روز رسانی تخمین ها با داده های سنسور است. خطی سازی مناسب و مدیریت تخمدان برای قوی بودن در محیط های پر سر و صدا ضروری است.