Laajennettu Kalman Filter (EKF) Samanaikaisesti Lokalisointi ja kartoitus (SLAM) on tekniikka, jota käytetään robotiikassa rakentamaan kartasta tuntematon ympäristö samalla kun määritetään robotin sijainti sen sisällä. ECF-SLAM:n keskeinen osatekijä on munasarjamatriisi, joka edustaa epävarmuutta robotin arvioidussa tilassa ja karttaominaisuuksissa. Tämä artikkeli tarjoaa vaihe vaiheelta prosessin EKF-SLAM:in sisällä olevien munasarjamatriisien laskemiseksi.

Korianssimatriisin käyttöönotto

Prosessi alkaa korivarianssimatriisin alustamisella, jota kutsutaan tyypillisesti P:ksi. Tämä matriisi yhdistää robotin asennon ja karttaominaisuuksien epävarmuudet. Alkukarsinta heijastaa alkuluottamusta robotin lähtöasentoon ja tunnettuihin ominaisuuksiin.

Ennustevaihe

Ennustusvaiheessa robotin liikemallia käytetään uuden tilan arviointiin. Munasarjamatriisi päivitetään käyttäen liikemallin jakobiaania, joka on F ja prosessimelun kovarianssi Q. Päivitys on seuraava:

]P[pred = FP FT + Q

Päivitysvaihe mittauksilla

Kun saadaan uudet sensorimittaukset, korivarissimatriisi päivitetään tämän tiedon sisällyttämiseksi. Mittausmallin Jacobian, H ja mittausmelun varianssi R käytetään Kalman-nousun laskemiseen, K:

]K = P[pred[] H]T[[]pred[[] H[[]]T[[ + R][[[]-1[[]][[[]]]]]]

Tämän jälkeen se päivitetään seuraavasti:

[LLT:0]]P[[[LLT:1]]upd[[LLT:2]] = (I - K H) P[[LLT:3]]pred[[[LLT:4]]][[[[LLT:5]]]]

Sisältää karttaominaisuuksia

Korivarissimatriisi laajenee kartalle, ja se kasvaa, kun uusia ominaisuuksia lisätään. Päivitys säätää sekä robotin asentoon että ominaisuuksiin liittyvää epävarmuutta säilyttäen johdonmukaisen arvion kartalla olevasta epävarmuudesta ja lokalisointiin liittyvästä epävarmuudesta.