Đồng thời, việc đồng bộ hóa địa phương và Matpping (SLAM) là một công nghệ then chốt trong robot, cho phép robot xây dựng bản đồ của một môi trường không xác định vị trí của nó trong bản đồ đó. Đang thực hiện một bộ lọc mở rộng Kalman (EKF) tăng cường độ mạnh của SLAM, đặc biệt là trong môi trường có nhiễu và bấp bênh. Hướng dẫn này cung cấp một bước từng bước để thực hiện hệ thống định hướng dẫn hệ thống định hướng cho hệ thống định dạng dạng dạng dạng dạng dạng dạng dạng dạng dạng dạng dạng dạng dạng dạng dạng dạng sK

Hiểu bộ lọc kaman mở rộng

EKF là phần mở rộng của Bộ lọc Kalman được thiết kế để xử lý hệ thống phi tuyến tính. Nó tuyến tính các chức năng không tuyến tính xung quanh ước tính hiện thời, cho phép tính lại trạng thái đệ quy. Trong SLAM, EKF ước tính cả tư thế của robot và vị trí của các điểm mốc trong môi trường.

Bước 1: Định nghĩa tình trạng và sự tương tác

Địa điểm véc tơ bang thường bao gồm vị trí và hướng của con robot, cùng với vị trí mốc:

  • Tư thế robot: x, y,
  • Vị trí dấu chân: x i, y i

Ma trận đồng biến ban đầu biểu thị sự không chắc chắn trong các ước tính ban đầu.

Bước 2: Dự đoán

Sử dụng mô hình chuyển động của robot, dự đoán trạng thái tiếp theo và cập nhật các ma trận covariance. các phương trình chuyển động phi tuyến tính được tuyến tính hóa bằng Jacobians:

Tiên đoán bang:

x ) ) = f [x ] , u k [FLT: 6)

Dự đoán tương tác:

P ) P [FLT:-1 F [FL:] [FLT:] [FL: 10] [FLT:] [FL:] [FLT:] [FL:] [FLT:] [FL:] [FL:]] [FL: 11] [FL:] [FL:] [FL:] [FL:]] [FL:]] [FL:] [FL: 11] [FL:] [FL:]

Bước 3: Bước Cập nhật

Khi nhận được số đo cảm biến, cập nhật ước tính trạng thái. Hãy xếp tuyến tính mô hình đo lường bằng Jacobians:

Dự đoán đo:

k ) = h [x ] [FLT:]] ) ]

Đổi mới:

y ) ) = [FLT:] - h k k

Tính toán Kalman:

) ) [FLT:] [FLT:] [FLT:] [FL:] [FL:] [FL: 11] [FL: 1] [FL:] [FL:] [L: [L: T] [L: [L] [FL:] [FL: FL:] [FL:] [FL:] [FT: FL:] [FL:] [FL:] [FL:] [FL:] [FL] [FL:] [FL:]] [FL: [FT:]]] [FL:] [FL:] [FL:] [FL:] [FL]] [FL:] [FL: [FL:]] [FL:]] [FL:]] [FL: [FL:]]]] [F:] [FL: [FL

Cập nhật trạng thái:

x k) [FLT:] [FLT:] ) ) [FLT:]] [FLT:]

Cập nhật tính chất:

P [FLT:]k [FLT:] [FLT:] [FLT:] [FLT: 6) [FL:6] [FL:]

Bước 4: Kết hợp dấu chấm than

Dấu nhấn được thêm vào địa phương véc- tơ khi phát hiện. EKF cập nhật các ước tính dựa trên đo đạc, nâng cao độ chính xác của địa phương theo thời gian.

Kết luận

Giải quyết EKF cho SLAM bao gồm định nghĩa chuyển động của con robot, và cập nhật ước tính với dữ liệu cảm biến. quản lý tính tuyến tính đúng đắn là thiết yếu cho sự mạnh mẽ trong môi trường ồn ào.