SLAM không có mốc?


8

Đầu tiên, có thể xây dựng bản đồ mà không có cột mốc cho robot ở dạng 2D không? Hãy nói rằng chúng ta có một lối đi được bao quanh bởi hai bức tường. Robot di chuyển trong môi trường này. Bây giờ có khả thi để xây dựng một vấn đề SLAM như vậy không? Hoặc các mốc phải có sẵn để làm như vậy?


Bạn có thực sự cần cả nội địa hóa và ánh xạ? Câu trả lời cho câu hỏi của bạn phụ thuộc vào cảm biến bạn đang sử dụng. Giống như Josh đã nói, nghiên cứu thêm một chút về bản đồ lưới chiếm dụng và bản đồ dựa trên tính năng. Bây giờ, giả sử bạn đã có một mô-đun LRF. Sau đó, câu trả lời cho câu hỏi "có thể xây dựng bản đồ mà không cần cột mốc cho robot ở dạng 2D không?" là đúng'.
metsburg

Câu trả lời:


7

Tôi nghĩ rằng bạn hiểu nhầm một mốc là gì. Đây là một thuật ngữ chung, bắt cho tất cả mọi thứ mà robot có thể nhận ra và sử dụng như một phần của bản đồ. Cụ thể, "các mốc" rất quan trọng đối với các thuật toán SLAM dựa trên tính năng, chẳng hạn như slam dựa trên EKF. Những gì bạn sử dụng cho "cột mốc" phụ thuộc vào những cảm biến có sẵn cho robot.

Trong trường hợp của bạn, vì bạn chưa chỉ định bất kỳ cảm biến nào, nên chúng tôi sẽ cho rằng robot biết khi nào nó chạm vào một vật thể. Sau đó, bất kỳ "mốc" nào chỉ đơn giản là bất cứ khi nào robot va vào một cái gì đó. Nếu bạn làm điều này bằng bút và giấy, bạn sẽ đi lang thang và đặt dấu X bất cứ khi nào bạn đánh thứ gì đó, sau đó xoay và tiếp tục đi lang thang. Khi thời gian trôi qua vô tận, bạn sẽ có một bản đồ hợp lý về nơi có ranh giới đối tượng và hình dạng đối tượng, miễn là mọi thứ đều tĩnh.

Trong trường hợp này, "bản đồ" có thể chỉ là một bitmap, trong đó mỗi pixel là 0 hoặc 1, tùy thuộc vào việc nó có một đối tượng trong không gian đó hay không. Mở rộng quy mô là tùy thuộc vào ứng dụng.

Tôi đề nghị nghiên cứu thêm một chút về các chủ đề này:

  • Đại diện lưới chiếm dụng
  • Ánh xạ dựa trên tính năng

cảm ơn vì đã giúp đỡ và nhiều thông tin Tôi vẫn còn bối rối. Tôi có thể xem xét trong ví dụ đã nói ở trên các bức tường làm mốc không? Tôi vẫn còn bối rối vì tôi đã xem một số video trong đó có một số vòng tròn màu trắng được robot nhận ra để xác định vị trí của nó. Sự khác biệt giữa các vòng tròn màu trắng và các bức tường là gì?
CroCo

Tôi không biết những video bạn đề cập đến. Nhưng các vòng tròn màu trắng là các mốc, và các bức tường chỉ là những bức tường với các mốc trên đó. Hãy nghĩ về từ "điểm đánh dấu" không có nghĩa gì đặc biệt, bất cứ điều gì cũng có thể là "điểm đánh dấu": tay nắm cửa đánh dấu một cánh cửa, dấu X đánh dấu vị trí, v.v ... Cột mốc chỉ là điểm đánh dấu hữu ích cho việc lập bản đồ. Chúng có thể là các góc (có thể dễ dàng nhận ra bằng laser) hoặc các đốm màu (dễ dàng được máy ảnh nhận ra). Thuật ngữ mốc là linh hoạt và được xác định bởi bạn người thiết kế thuật toán.
Josh Vander Hook

2

Tôi nghĩ rằng cần phải xác định một mốc thực sự là gì. Câu trả lời khác chỉ định nghĩa chúng là các điểm đánh dấu và đưa ra một số ví dụ. Một cái gì đó trang trọng và đặc biệt hơn sẽ là như sau:

Cột mốc là các tính năng có thể dễ dàng được quan sát lại và phân biệt với môi trường. Chúng được sử dụng bởi robot để tìm ra nó ở đâu (để bản địa hóa).

Địa danh nên dễ dàng quan sát lại. Các mốc riêng biệt nên được phân biệt với nhau. Địa danh nên phong phú trong môi trường. Địa danh nên đứng yên.

Ví dụ, điều này sẽ loại trừ một pixel đơn giản để hoạt động như một mốc, vì trong thế giới thực, nó tương ứng với một đối tượng sẽ trở thành nhiều hay ít pixel tùy theo khoảng cách. Một đốm màu sẽ phù hợp hơn vì chúng ta chỉ dựa vào việc tìm một hình dạng khép kín của một màu nhất định (một lần nữa với một số ngưỡng vì màu sắc thay đổi tùy thuộc vào điều kiện và góc độ sáng). Trong thế giới thực, blob sẽ là một số nhãn dán màu cam được gắn trên tường chẳng hạn.


1

Tôi vừa đăng một câu hỏi tương tự, cố gắng xác định vị trí của một tờ giấy hơn một đồng nghiệp đã nhớ (ICRA? 2011? Không phải từ Mudd hay tờ Foxe). Tôi thứ hai @JustSomeHelp - họ cần được phân biệt. Vì vậy, một mình cảm biến va chạm sẽ không giúp ích vì về cơ bản bạn sẽ có (ở dạng ngây thơ), một mốc giúp tiếp tục nhận được các vị trí khác nhau. Điều đó sẽ kết thúc tồi tệ.

Rõ ràng, mặc dù, giả định tuyến tính là siêu hữu ích - có 99 bài viết đề cập đến vấn đề này. Tuy nhiên tôi chưa tìm thấy một cách tiếp cận kinh điển để làm điều đó

ZJ Butler, AA Rizzi và RL Hollis. Liên hệ bảo hiểm dựa trên cảm biến của môi trường trực tràng. Trong Proc. của Hội nghị chuyên đề quốc tế về kiểm soát thông minh, 1999.


Như tôi đã đề cập, điều này chỉ hoạt động với một môi trường tĩnh.
Josh Vander Hook
Khi sử dụng trang web của chúng tôi, bạn xác nhận rằng bạn đã đọc và hiểu Chính sách cookieChính sách bảo mật của chúng tôi.
Licensed under cc by-sa 3.0 with attribution required.