Ang mga pagkakamaling ordometriya ay karaniwan sa mga sistemang Simogeneous Localization at Mapping (SLAM). ang tumpak na kalkulasyon ng mga pagkakamaling ito ay nakakatulong sa pagpapabuti ng pagkamaaasahan ng nabigasyon ng robot. Ang artikulong ito ay nagbibigay ng hakbang-by-paa-paa ng pamamaraan upang makalkula ang mga pagkakamaling ordometriya sa mga aplikasyong SLAM.

Pag - unawa sa Odometriya sa SLAM

Ang ordometry ay tumutukoy sa pagpapalagay ng posisyon ng robot batay sa impormasyong sensor, tulad ng wheel regulators o inertial measures. Sa SLAM, ang odometry data ay pinagsasama sa mga obserbasyong sensor upang makagawa ng isang mapa at lokalisado ang robot sa loob nito. Gayunpaman, ang ordometriya ay malamang na dahil sa mga pagkakamali dahil sa gulong slip, hindi pantay na kalupaan, o ingay ng sensor.

Hakbang 1: Ipunin ang Data

Punin ang mga odometriya ng mga pagbasa at ground stalls sa mga serye ng mga galaw. ground value data Maaaring makuha gamit ang mga panlabas na tracking system o high-precision sensors. Ensurence data ay sabay-sabay na pinag-iisa sa oras para sa tumpak na paghahambing.

Hakbang 2: Suriin ang Mali sa Bawat Hakbang

Sa bawat galaw, i-subly ang pagkakaiba ng tinatayang posisyon mula sa ordometriya at ground katotohanan. Ang pagkakamali ay maaaring ipahayag bilang:

[Errr = Tinatayang Position - Ground Truth Position

Hakbang 3: Suriin ang Maling Pag - aayos

Alamin kung paano naiipon ang mga pagkakamali sa paglipas ng panahon at kung gaano kalaki ang mga pagkakamaling dulot ng pag - iihip ng hangin.

Optional: Gumamit ng mga Maling Akala

  • Magtakda ng Pagkakamali (MAE)
  • Ugat Kahulugan ng Square Error (RMSE)
  • Maling mga Larawan