読者です 読者をやめる 読者になる 読者になる

MyEnigma

とあるエンジニアのブログです。#Robotics #Programing #C++ #Python #MATLAB #Vim #Mathematics #Book #Movie #Traveling #Mac #iPhone

Simultaneous Localization And Mapping (SLAM)について

Robot




近年,GPS のようなグローバルな位置情報を得ることができない環境で,

ロボットが正確な自己位置推定と地図構築を行うための手法として

Simultaneous Localization and mapping(SLAM)の研究が注目を浴びている.



SLAM は自己位置推定情報と地図情報を

互いに確率的にフィードバックし合うことにより,

高精度な自己位置推定と地図構築を行うための手法である.



SLAM のアルゴリズムは,利用する地図の種類によって

大きく分けて二つの種類に分けられる.



一つは,地図に点座標で表現されたランドマークを使用する Landmark based SLAM,

もう一つは,地図を格子状に表現する Grid based SLAM である.



Landmark based SLAM は自己位置推定に重点をおいたSLAM の手法であり,

Grid based SLAM は地図構築に重点をおいた SLAM の手法であるといえる.



Landmark based SLAM はロボットの周辺環境に存在する

特徴的な物体をランドマークとして認識し,そのランドマークの地図を作成する.

そして,そのランドマークの座標情報を用いて自己位置推定にフィードバックを行う.



図 は Landmark based SLAM の概念図である.

図 おいて,xk , uk はそれぞれ k ステップ目における

ロボットの位置情報などを含む状態ベクトルと入力値である.

また,zk,j , mj はそれぞれ k ステップ目における

j 番目ランドマークの観測値と地図上の座標値である.

このように Landmark based SLAM では,

自己位置情報と特徴点マップの情報を相互に反映させることにより,

高精度な自己位置推定と特徴点マップ作成を行う.

 

より詳しいSLAMの説明はこちら資料が参考になると思います。

確率ロボティクス (プレミアムブックス版)

確率ロボティクス (プレミアムブックス版)

myenigma.hatenablog.com
myenigma.hatenablog.com
myenigma.hatenablog.com
myenigma.hatenablog.com
myenigma.hatenablog.com
myenigma.hatenablog.com
myenigma.hatenablog.com