การคํานวณวัดความเหลื่อมล้ําของหน่วยวัด ใน อักฟ- ซัม

ตัวกรอง Kalman ที่มีการขยายออกไป (EKF) Simulative localization และ mptive (SEL) เป็นเทคนิคที่ใช้ในหุ่นยนต์สร้างแผนที่ของสภาพแวดล้อมที่ไม่รู้จัก ในขณะที่กําลังคํานวณตําแหน่งของหุ่นยนต์พร้อมกัน ส่วนองค์ประกอบสําคัญของ EKF-SLS คือตัวช่วยในการเชื่อมโยงของตัวแปรร่วม (SEM) ซึ่งแสดงถึงความไม่แน่นอนในสถานะและคุณสมบัติของหุ่นยนต์ บทความนี้จะให้ขั้นตอนในการคํานวณของ parumenter EFS (POF)

การเริ่มสร้างเมทริกซ์ความไม่ต่อเนื่อง

กระบวนการนี้เริ่มต้นด้วยการเริ่มต้นการเริ่มการจําแนกความแปรปรวนเกี่ยวเนื่อง โดยปกติจะหมายถึงตัว P เมทริกซ์นี้จะรวมความไม่ต่อเนื่องของท่าของหุ่นยนต์ และคุณสมบัติของแผนที่

อยู่เหนือขั้นการล่วงหน้า

ในระยะการทํานาย โมเดลการเคลื่อนไหวของหุ่นยนต์ถูกใช้เพื่อประเมินสถานะใหม่ เมทริกซ์ความเหลื่อมล้ําได้ปรับปรุงโดยใช้ Jacobian ของรุ่นเคลื่อนไหว โดยหมายถึง F และกระบวนการสร้างสัญญาณรบกวน convance, Q. การปรับปรุงต่อไปนี้:

[[FLT: 0]] P _prefed = F ^{T T[FT:4] + Q}

ปรับปรุงระดับการทํางานด้วยการวัด

เมื่อได้รับค่าเซ็นเซอร์ใหม่ ตัววัดความเหลื่อมล้ําจะปรับปรุงให้รวมข้อมูลนี้ขึ้นมา ตัววัดวัดของรุ่นจาโคเบียน เอช และเสียงวัด (Caverance) R จะถูกใช้คํานวณค่าของคาลแมนได้รับ K:

[[FLT: 0]] K= _pril H ^{T[FLT]] [FLTT: 4]]] (H[FLTTTT: 5] pril (FTT: ⁇ H[FTTT: 7] T[FLT: 8] +[FLT] [FLT] [1]] [1[1[1]]]]]] [1[1]]]] [1]] [1.}

เมทริกซ์ความแปรปรวนเกี่ยวเนื่องถูกปรับปรุงเป็น:

[FLT: 0]] P _Upd = (I-KH) P _{pread[FLTT: 4][FLT: 4][FLTT:5] [FLT: 5]}

การรวมองค์ประกอบแผนที่

เมทริกซ์ความเหลื่อมล้ําขยายออกไปรวมถึงคุณลักษณะแผนที่ เพิ่มขนาดตามลักษณะที่เพิ่มเติมเข้าไป แต่ละการปรับปรุงปรับความไม่แน่นอนที่สัมพันธ์กับท่าของหุ่นยนต์ และลักษณะต่าง ๆ รักษาการประมาณความไม่แน่นอนโดยรวมในแผนที่และพื้นที่พื้นที่