光度计误差在同步本地化和映射(SLAM)系统中很常见,对这些误差的精确计算有助于提高机器人导航的可靠性,本条提供了一种逐步计算光度计误差的SLAM应用方法.

了解SLAM中的测量

odometery是指根据感应数据对机器人位置的估算,如轮码器或惯性测量. SLAM中,odometery数据与感应观测结合,以构建地图,使其中的机器人定位,然而,由于轮滑,地形不均匀,或感应噪音,odometery容易出错.

步骤1:收集数据

收集一系列运动的读数和地面真象位置。地面真象数据可以通过外部跟踪系统或高精度传感器获取。确保数据及时同步,以便进行准确的比较。

步骤2: 计算每一步的错误

对于每个运动,计算从odometry到地面真伪的估计位置的差数。错误可以表示为:

错误=估计位置-地面真相位置

步骤3:分析错误累积

将多个步骤的错误相提并论, 以观察 odometry 的不准确性如何随时间而累积。 这有助于识别漂移模式和错误的严重程度 。

可选: 使用错误计量

  • 平均绝对错误( MAE)
  • 根平均方格错误( RME)
  • 最大错误