יסודות מתמטיים של Slam: הבנת אופטימיזציה של Pose Graph

ה Localization וה Mapping (SLAM) הוא תהליך המשמש רובוטים ומערכות אוטונומיות לבנות מפה של סביבה לא ידועה בעת קביעת המיקום שלהם בתוך זה. מרכיב מרכזי של אלגוריתמים SLAM רבים הוא אופטימיזציה גרף, אשר כרוך בטכניקות מתמטיות כדי לחדד את המיקומים והנטיות המשוערות של הרובוט והתכונות בסביבה.

מיצג Pose Graph Representation

גרף תנוחות הוא מודל מתמטי שבו נודס מייצגים תנוחה רובוטית בזמנים שונים, ו הקצוות מייצגים מגבלות מרחביות בין תנוחות אלה.מגבלות אלה נגזרות מדידות חיישן, כגון odometry או תצפיות חיישן של ציוני דרך.

פורמולציה מתמטית

מטרת אופטימיזציה של גרפן היא למצוא את סט התנוחות כי הכי טוב לספק את כל המגבלות.זה מנוסחת כבעיה לא ליניארית לפחות ריבועים:

מזער את סכום השוכנים:

(ב) ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇

אופטימיזציה טכניקות

שיטות נפוצות לפתרון בעיה זו כוללות אלגוריתמים הרציונאליים כגון Gauss-Newton ו- Levenberg-Marquardt. אלגוריתמים אלה לינאריים את הבעיה הלא ליניארית סביב הערכה ראשונית ובאופן אינטואיטיבי לחדד את הפתרון.

פותרים מבוססי Graph משתמשים לעתים קרובות בטכניקות ממטריקס ספארי כדי להתמודד ביעילות עם בעיות בקנה מידה גדול, המאפשר ביצועים בזמן אמת ביישומים רובוטיים.