This slide shows auto driving modeｌ by particle filter.

1. 粒子
自動運転
2017/05/30
mabonki0725

2. 自律
自律 自分 状況認識 最適行動 行
• 自律 必要
– 状況認識 環境 観測 自己 状態 推定
• 観測 z 条件 自己 状態x 推定 確率
• 統計 観測 実態 探
– 最適行動 将来 報酬 累計 最大 様 次 行
動選択
• 強化学習
統計
粒子
SLAM
自動走行

3. 確率
• LandMark 位置
– 判明時
粒子
• LandMark 位置
– 不明時
SLAM
地図 自己位置同
時認識
ROS 粒子 SLAM 図 最適経路 提供

4. 粒子 確実 無
世界 統計 位置 識別
• T 走行距離r 走行角 走行
– 誤差 走行距離r 平均±0.1 誤差
– 感度 誤差 走行角 平均±3° 誤差
• 箇所 信号 距離d1 d4 T毎 観測
– 観測距離d1 d4 平均±0.1 誤差
• 信号到達距離 限界 超 観測

5. 粒子 位置推定
• 自己位置 T毎 粒子 100個 飛
各粒子 尤度p 推定
– 前 位置 移動(r, ) 点回 100個粒子 撒 x[i] i=1 100
– 各粒子 観測距離 尤度p[i] 計算
p[i] = N(x[i] / d1, ,d4)
i=1 100
• 自己位置 推定
– X= x[i] * p[i]
• 粒子 大 調整
– Resampling
粒子位置 尤度 関係

6. 実際 粒子 計算結果
• 観測経路 粒子 推定経路 一致

7. 観測距離 短縮
• 観測可能範囲 逸脱 推定誤差 拡大
– 各 観測範囲20 5 縮小

8. 自動運転 計算結果
• 回 自動運転
1. 反時計回 4点 指定
2. 自己位置 走行方向 推
定 向
LandMark 距離 尤度計算
3. 目標 角度 走行
角度 角度 微調整(10%)
調整角度=( - )/10
4. 近傍 達 次
向

9. Resampling
増加
増加
大 尤度 粒子 分割 消滅 粒子 補
尤度p

10. 自動運転 統計
• 統計 観測 実態 要因 予測
– 実態 挙動z 分 観察 予測 易 観測
得 実態z 不明 事 多
– 観測 x 実態 挙動z 条件付 確率p(z|x) 求
– p(z|x) 定理 展開 計算
– p(z|x) 求 観測 x 場合 最 期待 分
– 今回 場合
• zi:自動車 撒 粒子 位置 i=1 100
• i 粒子 観測距離
• 自動車 位置 粒子 平均位置 推定= 粒子 位置 p(zi|xi)
定理
推定 易

11. 粒子
https://github.com/mabonki0725/particleNavi

12. • 走行距離 走行方向 誤差
距離観測d 誤差
粒子 自己位置推定
出来 分
• 距離観測
自己位置
• 目標 点 指定 自動
走行 分
• 謝辞 下記 参照
– http://myenigma.hatenablog.com/entry/20140628/1403956852