שלב אחר צעד קלקולציה של Covariance Matrices « ‪Kelf-slam‬

Extended Kalman (פילטר EKF) Localization ו Mapping (SLAM) הוא טכניקה המשמשת רובוטיקה לבנות מפה של סביבה לא ידועה בעת קביעת המיקום של הרובוט בתוכו. מרכיב מפתח של EKF-SLAM הוא מאטריקס covariance, המייצג את אי הוודאות במצב המשוער של הרובוט ואת התכונות. מאמר זה מספק צעד אחר צעד עבור תהליך cos-amtric בתוך ratching cosocars.

מטריקס Covariance Matrix

התהליך מתחיל עם תחילת המטריקס covariance, בדרך כלל מלוטש כמו P. זה ממטריקס משלב את חוסר הוודאות של תנוחות הרובוט ואת תכונות המפה. covariance הראשוני משקף את האמון הראשוני בעמדה ההתחלה של הרובוט ואת התכונות הידועות.

צעד החיזוי

במהלך שלב החיזוי, מודל התנועה של הרובוט משמש כדי להעריך את המדינה החדשה.המטריקס covariance מעודכנת באמצעות ג'ייקוביאן של מודל התנועה, מלוטש כ-F, ואת תהליך רעש כפירה, Q. העדכון הבא:

(ב) ויקרא י"ד:2 ויקרא יט:2 ויקרא יט:2 ויקרא יט):

עדכון שלב עם מדדים

כאשר מתקבלים מדידות חיישן חדשות, ממטריקס covariance מעודכנת לשלב מידע זה.הג'ייקובאן של מודל המדידה, H, ואת מדידה רעש covariance, R, משמשים כדי לחדד את רווח קאלמן, K:

(ב) ויקרא י"ד): "ה' ויקרא י':2 ויקרא יט:2 ויקרא יט' (ב') ויקרא י"ד): "ה' ויקרא יט':5 ויקרא י"ד:

המטריקס של covariance מעודכנת כמו:

(ב) ויקרא י"ד): "וַיַּּדָּבְהִי עַדְהִי" (בראשית כ"ד, כ"ד):

שילוב תכונות Map

ממטריקס covariance מרחיב לכלול תכונות מפה, גדל בגודל כמו תכונות חדשות מוסיפים.כל עדכון מאמת את אי הוודאות הקשורה לתנוחות הרובוט ואת התכונות, שמירה על הערכה עקבית של חוסר הוודאות הכולל במפה וההתאזרחות.