Tôi có thể sử dụng thuật toán nào để xây dựng bản đồ của khu vực được khám phá bằng một số cảm biến siêu âm?

Những cảm biến siêu âm ngày nay cực kỳ rẻ khiến chúng trở thành lựa chọn phổ biến cho nhiều ứng dụng robot có sở thích và tôi muốn sử dụng một loạt chúng (giả sử 10) xung quanh một robot có thuật toán để xây dựng bản đồ thô của một khu vực (như robot khám phá nó.) Tôi không quan tâm đến việc xử lý các vật thể chuyển động trong giai đoạn này, chỉ xác định chính xác các vật thể đứng yên và tôi sẽ sử dụng GPS để định vị. Tôi nhận ra rằng các thành phần khác như máy quét laser sẽ cho kết quả chính xác hơn nhiều, tuy nhiên các thiết bị như vậy cũng đắt hơn về mặt thiên văn.

Có một thuật toán tồn tại cho mục đích này?

Các thuật toán về cơ bản là giống nhau bất kể bạn đang sử dụng cảm biến nào.

Vấn đề thực sự, mà Chris đã chạm đến , đó là SLAM khó ngay cả với các cảm biến rất tốt.

Tôi sẽ xem xét GPS, đo hình bánh xe và IMU là cần thiết để thậm chí thử trượt với siêu âm.

Nếu bạn chỉ đang tìm kiếm nội địa hóa giá rẻ, tôi khuyên bạn nên xem qua slam dựa trên tầm nhìn / kinect là tốt. Cả webcam và kinect đều rất rẻ và slam trực quan đã đi một chặng đường dài.

Các động vật là khá nhiều chén thánh về hiệu suất / chi phí cảm biến miễn là bạn ở trong nhà.

Dưới đây là một ví dụ về động vật trên robot cộng với rất nhiều phép toán: http://www.youtube.com/watch?v=9Y4RQVpp-BY

Có cả một lĩnh vực văn học về chủ đề này. Ý tưởng chung nhất là về Bản đồ hóa và Bản đồ hóa Đồng thời ( SLAM ), trong đó robot phải xây dựng bản đồ cùng lúc với vị trí của nó trong bản đồ đó. Tùy thuộc vào mức độ chính xác mà bạn muốn bản đồ của mình trở thành, bạn có thể thử một vấn đề đơn giản hơn là tạo bản đồ lưới chiếm chỗ , giả sử bạn biết vị trí của robot.

Nhìn chung, GPS khá kinh khủng, do đó, việc tạo lưới chiếm dụng chỉ cần sử dụng GPS làm nguồn vị trí chính của bạn sẽ tạo ra các bản đồ khá mờ. Tuy nhiên, có thể tích hợp GPS với gia tốc, con quay hồi chuyển, la bàn, máy ảnh, bộ mã hóa bánh xe và các cảm biến khác để ước chừng một vị trí tốt trên thế giới. Nếu không, bạn sẽ cần xem xét một hệ thống SLAM đơn giản để xử lý các vấn đề của bạn.

Một gói mã nguồn mở g2o đẹp , được gọi là GraphSLAM, cho phép bạn đặt các ràng buộc như GPS và vị trí tương đối với các bức tường. Nó có thể không phải là một sự phù hợp chính xác, nhưng nó là khá chung chung.

Để làm SLAM, bạn sẽ cần một ước tính tương đối tốt về vị trí.

Rô bốt sử dụng máy quét laze có thể thực hiện chỉ bằng phép đo hình học, vì dữ liệu tương đối chính xác và dữ liệu máy quét có thể được sử dụng để giúp bản địa hóa trong các bước thời gian tiếp theo.

Cảm biến siêu âm rất mờ, nhìn chung chúng có độ mờ hướng 20+ độ, và bất cứ thứ gì theo hướng chung sẽ được phát hiện.

Vì vậy, họ giúp đỡ không đáng kể trong việc giúp bản địa hóa (ngoại trừ trong các môi trường rất có cấu trúc).

Một kết hợp GPS / IMU có thể được sử dụng để có được nội địa hóa hợp lý. Tất nhiên, điều này phụ thuộc vào quy mô của robot và nếu ở trong nhà, GPS có thể không thực tế.

Nếu bạn có thể kiểm soát trượt bánh xe một cách cẩn thận, đo hình bánh xe có thể cải thiện đáng kể nội địa hóa trong thời gian ngắn (mặc dù phương pháp nội địa hóa tuyệt đối được ưa thích). Nếu không có một tài liệu tham khảo tuyệt đối (ví dụ: GPS), ngay cả với máy quét laser, bạn sẽ cần có khả năng giải quyết vấn đề "đóng vòng lặp".

Môi trường có cấu trúc có thể có yêu cầu độ chính xác thấp hơn. Ví dụ, một môi trường giống như mê cung với các bức tường ở khoảng cách lưới vuông thông thường, nơi đơn giản để phát hiện sự hiện diện của một bức tường theo mỗi hướng của một ô lưới.