Submit Search
Upload
SLAM入門 第2章 SLAMの基礎
•
11 likes
•
7,517 views
Y
yohei okawa
Follow
20180423のSLAM入門輪読会で第2章を説明した資料です
Read less
Read more
Education
Report
Share
Report
Share
1 of 12
Download now
Download to read offline
Recommended
オープンソース SLAM の分類
オープンソース SLAM の分類
Yoshitaka HARA
第1回3D勉強会@関東「SLAM チュートリアル大会」講演資料 (他の講演との関係で Laser SLAM が中心) https://3dvision.connpass.com/event/86945/
ロボティクスにおける SLAM 手法と実用化例
ロボティクスにおける SLAM 手法と実用化例
Yoshitaka HARA
SSII 2019 OS 講演資料 https://confit.atlas.jp/guide/event/ssii2019/static/organized
SSII2021 [TS1] Visual SLAM ~カメラ幾何の基礎から最近の技術動向まで~
SSII2021 [TS1] Visual SLAM ~カメラ幾何の基礎から最近の技術動向まで~
SSII
SSII2021 [TS1] Visual SLAM ~カメラ幾何の基礎から最近の技術動向まで~ 6/9 (水) 9:45~10:55 講師:内山 英昭 氏 (奈良先端科学技術大学院大学) 概要: Visual SLAMとは、カメラの周辺環境の3次元形状を認識しながら、カメラの動きを算出する技術である。Visual SLAMやIMUを併用したVisual-inertial SLAMの動作原理を理解するためには、カメラの位置姿勢推定や三角測量などのカメラ幾何の基礎や、特徴点マッチングや画像検索といった画像処理の知識が必要となる。本チュートリアルでは、動作原理を理解する上での基礎知識を概説するとともに、動的環境下における精度低下を低減する手法や、近年多くの取り組みがあるディープラーニングを用いた手法を紹介する。
Visual slam
Visual slam
Takuya Minagawa
第51回コンピュータビジョン勉強会@関東「コンピュータビジョン - 広がる要素技術と応用 - 」読み会 "4.4 未知な環境下におけるカメラの位置姿勢推定"発表資料
SSII2019企画: 画像および LiDAR を用いた自動走行に関する動向
SSII2019企画: 画像および LiDAR を用いた自動走行に関する動向
SSII
SSII2019 企画セッション「画像センシング技術の最先端」 6月12日(水) 11:20~12:05 (メインホール) 画像や LiDAR はロボットや自動車の自動走行を実現するにあたり、最もメジャーなセンサとして利用されている。そのため、多くの手法が日々新たに研究開発されており、その動向を追いかけることは容易でなくなっている。本講演ではロボットや自動運転に関するトップカンファレンスである ICRA、IROS、IV、ITSC において発表された研究報告を基に、近年の画像や LiDAR を用いた自己位置推定や SLAM に関する研究や動向についてまとめる。
SLAMチュートリアル大会資料(ORB-SLAM)
SLAMチュートリアル大会資料(ORB-SLAM)
Masaya Kaneko
2017.05.27, 3D勉強会@関東 発表資料 論文紹介:ORB-SLAM
SLAM勉強会(PTAM)
SLAM勉強会(PTAM)
Masaya Kaneko
単眼SLAMの勉強会の初回としてARブームのブレイクスルーのきっかけとなったPTAMに関して調査をしました。
20190307 visualslam summary
20190307 visualslam summary
Takuya Minagawa
Visual SLAM研究について、カメラだけでなく、RGB-DやIMUを用いた手法について、個人的に重要と思われる研究に絞って紹介しました。
Recommended
オープンソース SLAM の分類
オープンソース SLAM の分類
Yoshitaka HARA
第1回3D勉強会@関東「SLAM チュートリアル大会」講演資料 (他の講演との関係で Laser SLAM が中心) https://3dvision.connpass.com/event/86945/
ロボティクスにおける SLAM 手法と実用化例
ロボティクスにおける SLAM 手法と実用化例
Yoshitaka HARA
SSII 2019 OS 講演資料 https://confit.atlas.jp/guide/event/ssii2019/static/organized
SSII2021 [TS1] Visual SLAM ~カメラ幾何の基礎から最近の技術動向まで~
SSII2021 [TS1] Visual SLAM ~カメラ幾何の基礎から最近の技術動向まで~
SSII
SSII2021 [TS1] Visual SLAM ~カメラ幾何の基礎から最近の技術動向まで~ 6/9 (水) 9:45~10:55 講師:内山 英昭 氏 (奈良先端科学技術大学院大学) 概要: Visual SLAMとは、カメラの周辺環境の3次元形状を認識しながら、カメラの動きを算出する技術である。Visual SLAMやIMUを併用したVisual-inertial SLAMの動作原理を理解するためには、カメラの位置姿勢推定や三角測量などのカメラ幾何の基礎や、特徴点マッチングや画像検索といった画像処理の知識が必要となる。本チュートリアルでは、動作原理を理解する上での基礎知識を概説するとともに、動的環境下における精度低下を低減する手法や、近年多くの取り組みがあるディープラーニングを用いた手法を紹介する。
Visual slam
Visual slam
Takuya Minagawa
第51回コンピュータビジョン勉強会@関東「コンピュータビジョン - 広がる要素技術と応用 - 」読み会 "4.4 未知な環境下におけるカメラの位置姿勢推定"発表資料
SSII2019企画: 画像および LiDAR を用いた自動走行に関する動向
SSII2019企画: 画像および LiDAR を用いた自動走行に関する動向
SSII
SSII2019 企画セッション「画像センシング技術の最先端」 6月12日(水) 11:20~12:05 (メインホール) 画像や LiDAR はロボットや自動車の自動走行を実現するにあたり、最もメジャーなセンサとして利用されている。そのため、多くの手法が日々新たに研究開発されており、その動向を追いかけることは容易でなくなっている。本講演ではロボットや自動運転に関するトップカンファレンスである ICRA、IROS、IV、ITSC において発表された研究報告を基に、近年の画像や LiDAR を用いた自己位置推定や SLAM に関する研究や動向についてまとめる。
SLAMチュートリアル大会資料(ORB-SLAM)
SLAMチュートリアル大会資料(ORB-SLAM)
Masaya Kaneko
2017.05.27, 3D勉強会@関東 発表資料 論文紹介:ORB-SLAM
SLAM勉強会(PTAM)
SLAM勉強会(PTAM)
Masaya Kaneko
単眼SLAMの勉強会の初回としてARブームのブレイクスルーのきっかけとなったPTAMに関して調査をしました。
20190307 visualslam summary
20190307 visualslam summary
Takuya Minagawa
Visual SLAM研究について、カメラだけでなく、RGB-DやIMUを用いた手法について、個人的に重要と思われる研究に絞って紹介しました。
Cartographer を用いた 3D SLAM
Cartographer を用いた 3D SLAM
Yoshitaka HARA
第6回3D勉強会@関東「SLAM 勉強会」講演資料 https://3dvision.connpass.com/event/156241/
SLAM開発における課題と対策の一例の紹介
SLAM開発における課題と対策の一例の紹介
miyanegi
第6回 3D勉強会@関東 発表スライド https://3dvision.connpass.com/event/156241/
ORB-SLAMの手法解説
ORB-SLAMの手法解説
Masaya Kaneko
Qoncept(http://qoncept.jp/)でのInternship成果の一部としてORB-SLAMの手法部分をまとめました。
NDTスキャンマッチング 第1回3D勉強会@PFN 2018年5月27日
NDTスキャンマッチング 第1回3D勉強会@PFN 2018年5月27日
Kitsukawa Yuki
第1回3D勉強会@PFN 2018年5月27日 NDTスキャンマッチングの資料です。
Visual SLAM: Why Bundle Adjust?の解説(第4回3D勉強会@関東)
Visual SLAM: Why Bundle Adjust?の解説(第4回3D勉強会@関東)
Masaya Kaneko
第4回3D勉強会@関東(画像を用いた3Dモデリングの基礎から応用まで)で発表した資料です https://3dvision.connpass.com/event/115490/
CNN-SLAMざっくり
CNN-SLAMざっくり
EndoYuuki
SLAM introduction + Monocular SLAM + CNN-SLAM rough description
20180527 ORB SLAM Code Reading
20180527 ORB SLAM Code Reading
Takuya Minagawa
2018/05/27の3D Vision勉強会@関東の発表資料です。 ORB-SLAMコードリーディング
複数のGNSSを用いたポーズグラフ最適化
複数のGNSSを用いたポーズグラフ最適化
TaroSuzuki15
ロボティクス・メカトロニクス 講演会 2020
SLAM勉強会(3) LSD-SLAM
SLAM勉強会(3) LSD-SLAM
Iwami Kazuya
SLAM勉強会をした際の資料です。 ECCV2014のLSD-SLAMを紹介しました。
ROS を用いた自律移動ロボットのシステム構築
ROS を用いた自律移動ロボットのシステム構築
Yoshitaka HARA
学術研究に役立った場合は、以下の論文を参考文献として引用して頂ければ幸いです。 原 祥尭: "ROSを用いた自律走行", 日本ロボット学会誌, vol. 35, no. 4, pp. 286--290, 2017. https://www.jstage.jst.go.jp/article/jrsj/35/4/35_35_286/_article/-char/ja 日本ロボット学会 第99回/第131回ロボット工学セミナー「ロボットの作り方 ~移動ロボットの基本と ROS によるナビゲーション実習~」講演資料
MIRU2013チュートリアル:SIFTとそれ以降のアプローチ
MIRU2013チュートリアル:SIFTとそれ以降のアプローチ
Hironobu Fujiyoshi
MIRU2013のチュートリアル「画像局所特徴量SIFTとそれ以降のアプローチ」 第16回画像の認識・理解シンポジウム MIRU2013 2013年7月29日 http://cvim.ipsj.or.jp/miru2013/tutorial.php#ts4
Sift特徴量について
Sift特徴量について
la_flance
【社内勉強会用】Sift特徴量について ※間違っている部分があるかもしれません
ROS の活用による屋外の歩行者空間に適応した自律移動ロボットの開発
ROS の活用による屋外の歩行者空間に適応した自律移動ロボットの開発
Yoshitaka HARA
学術研究に役立った場合は、以下の論文を参考文献として引用して頂ければ幸いです。 原 祥尭: "ROSを用いた自律走行", 日本ロボット学会誌, vol. 35, no. 4, pp. 286--290, 2017. https://www.jstage.jst.go.jp/article/jrsj/35/4/35_35_286/_article/-char/ja 日本ロボット学会 第94回ロボット工学セミナー「ロボット用オープンソースソフトウェアとその実用例」講演資料
20190825 vins mono
20190825 vins mono
Takuya Minagawa
2019/08/25コンピュータビジョン勉強会@関東「有名論文読み会2」発表資料です。
大域マッチングコスト最小化とLiDAR-IMUタイトカップリングに基づく三次元地図生成
大域マッチングコスト最小化とLiDAR-IMUタイトカップリングに基づく三次元地図生成
MobileRoboticsResear
第27回ロボティクスシンポジア 最優秀賞受賞 「大域マッチングコスト最小化とLiDAR-IMUタイトカップリングに基づく三次元地図生成」 小出健司,横塚将志,大石修士,阪野貴彦 産業技術総合研究所 モバイルロボティクス研究チーム
画像局所特徴量と特定物体認識 - SIFTと最近のアプローチ -
画像局所特徴量と特定物体認識 - SIFTと最近のアプローチ -
MPRG_Chubu_University
Lucas kanade法について
Lucas kanade法について
Hitoshi Nishimura
Lucas kanade法について紹介
Direct Sparse Odometryの解説
Direct Sparse Odometryの解説
Masaya Kaneko
Qoncept(http://qoncept.jp/)でのInternship成果の一部としてDSO(https://vision.in.tum.de/research/vslam/dso)をまとめました。
ORB-SLAMを動かしてみた
ORB-SLAMを動かしてみた
Takuya Minagawa
2017/06/10開催のコンピュータビジョン勉強会@関東「AR/VRを支える技術」の発表資料です。
画像認識の初歩、SIFT,SURF特徴量
画像認識の初歩、SIFT,SURF特徴量
takaya imai
Explainable predictions pattern
Explainable predictions pattern
yohei okawa
Machine Learning Design Patterns の 29: Explainable Predictions パターンについて、以下の勉強会で発表した資料です https://grass-roots-ml.connpass.com/event/213786/
Model versioning pattern
Model versioning pattern
yohei okawa
Machine Learning Design Patterns の 27: Model Versioning パターンについて、以下の勉強会で発表した資料です https://grass-roots-ml.connpass.com/event/213786/
More Related Content
What's hot
Cartographer を用いた 3D SLAM
Cartographer を用いた 3D SLAM
Yoshitaka HARA
第6回3D勉強会@関東「SLAM 勉強会」講演資料 https://3dvision.connpass.com/event/156241/
SLAM開発における課題と対策の一例の紹介
SLAM開発における課題と対策の一例の紹介
miyanegi
第6回 3D勉強会@関東 発表スライド https://3dvision.connpass.com/event/156241/
ORB-SLAMの手法解説
ORB-SLAMの手法解説
Masaya Kaneko
Qoncept(http://qoncept.jp/)でのInternship成果の一部としてORB-SLAMの手法部分をまとめました。
NDTスキャンマッチング 第1回3D勉強会@PFN 2018年5月27日
NDTスキャンマッチング 第1回3D勉強会@PFN 2018年5月27日
Kitsukawa Yuki
第1回3D勉強会@PFN 2018年5月27日 NDTスキャンマッチングの資料です。
Visual SLAM: Why Bundle Adjust?の解説(第4回3D勉強会@関東)
Visual SLAM: Why Bundle Adjust?の解説(第4回3D勉強会@関東)
Masaya Kaneko
第4回3D勉強会@関東(画像を用いた3Dモデリングの基礎から応用まで)で発表した資料です https://3dvision.connpass.com/event/115490/
CNN-SLAMざっくり
CNN-SLAMざっくり
EndoYuuki
SLAM introduction + Monocular SLAM + CNN-SLAM rough description
20180527 ORB SLAM Code Reading
20180527 ORB SLAM Code Reading
Takuya Minagawa
2018/05/27の3D Vision勉強会@関東の発表資料です。 ORB-SLAMコードリーディング
複数のGNSSを用いたポーズグラフ最適化
複数のGNSSを用いたポーズグラフ最適化
TaroSuzuki15
ロボティクス・メカトロニクス 講演会 2020
SLAM勉強会(3) LSD-SLAM
SLAM勉強会(3) LSD-SLAM
Iwami Kazuya
SLAM勉強会をした際の資料です。 ECCV2014のLSD-SLAMを紹介しました。
ROS を用いた自律移動ロボットのシステム構築
ROS を用いた自律移動ロボットのシステム構築
Yoshitaka HARA
学術研究に役立った場合は、以下の論文を参考文献として引用して頂ければ幸いです。 原 祥尭: "ROSを用いた自律走行", 日本ロボット学会誌, vol. 35, no. 4, pp. 286--290, 2017. https://www.jstage.jst.go.jp/article/jrsj/35/4/35_35_286/_article/-char/ja 日本ロボット学会 第99回/第131回ロボット工学セミナー「ロボットの作り方 ~移動ロボットの基本と ROS によるナビゲーション実習~」講演資料
MIRU2013チュートリアル:SIFTとそれ以降のアプローチ
MIRU2013チュートリアル:SIFTとそれ以降のアプローチ
Hironobu Fujiyoshi
MIRU2013のチュートリアル「画像局所特徴量SIFTとそれ以降のアプローチ」 第16回画像の認識・理解シンポジウム MIRU2013 2013年7月29日 http://cvim.ipsj.or.jp/miru2013/tutorial.php#ts4
Sift特徴量について
Sift特徴量について
la_flance
【社内勉強会用】Sift特徴量について ※間違っている部分があるかもしれません
ROS の活用による屋外の歩行者空間に適応した自律移動ロボットの開発
ROS の活用による屋外の歩行者空間に適応した自律移動ロボットの開発
Yoshitaka HARA
学術研究に役立った場合は、以下の論文を参考文献として引用して頂ければ幸いです。 原 祥尭: "ROSを用いた自律走行", 日本ロボット学会誌, vol. 35, no. 4, pp. 286--290, 2017. https://www.jstage.jst.go.jp/article/jrsj/35/4/35_35_286/_article/-char/ja 日本ロボット学会 第94回ロボット工学セミナー「ロボット用オープンソースソフトウェアとその実用例」講演資料
20190825 vins mono
20190825 vins mono
Takuya Minagawa
2019/08/25コンピュータビジョン勉強会@関東「有名論文読み会2」発表資料です。
大域マッチングコスト最小化とLiDAR-IMUタイトカップリングに基づく三次元地図生成
大域マッチングコスト最小化とLiDAR-IMUタイトカップリングに基づく三次元地図生成
MobileRoboticsResear
第27回ロボティクスシンポジア 最優秀賞受賞 「大域マッチングコスト最小化とLiDAR-IMUタイトカップリングに基づく三次元地図生成」 小出健司,横塚将志,大石修士,阪野貴彦 産業技術総合研究所 モバイルロボティクス研究チーム
画像局所特徴量と特定物体認識 - SIFTと最近のアプローチ -
画像局所特徴量と特定物体認識 - SIFTと最近のアプローチ -
MPRG_Chubu_University
Lucas kanade法について
Lucas kanade法について
Hitoshi Nishimura
Lucas kanade法について紹介
Direct Sparse Odometryの解説
Direct Sparse Odometryの解説
Masaya Kaneko
Qoncept(http://qoncept.jp/)でのInternship成果の一部としてDSO(https://vision.in.tum.de/research/vslam/dso)をまとめました。
ORB-SLAMを動かしてみた
ORB-SLAMを動かしてみた
Takuya Minagawa
2017/06/10開催のコンピュータビジョン勉強会@関東「AR/VRを支える技術」の発表資料です。
画像認識の初歩、SIFT,SURF特徴量
画像認識の初歩、SIFT,SURF特徴量
takaya imai
What's hot
(20)
Cartographer を用いた 3D SLAM
Cartographer を用いた 3D SLAM
SLAM開発における課題と対策の一例の紹介
SLAM開発における課題と対策の一例の紹介
ORB-SLAMの手法解説
ORB-SLAMの手法解説
NDTスキャンマッチング 第1回3D勉強会@PFN 2018年5月27日
NDTスキャンマッチング 第1回3D勉強会@PFN 2018年5月27日
Visual SLAM: Why Bundle Adjust?の解説(第4回3D勉強会@関東)
Visual SLAM: Why Bundle Adjust?の解説(第4回3D勉強会@関東)
CNN-SLAMざっくり
CNN-SLAMざっくり
20180527 ORB SLAM Code Reading
20180527 ORB SLAM Code Reading
複数のGNSSを用いたポーズグラフ最適化
複数のGNSSを用いたポーズグラフ最適化
SLAM勉強会(3) LSD-SLAM
SLAM勉強会(3) LSD-SLAM
ROS を用いた自律移動ロボットのシステム構築
ROS を用いた自律移動ロボットのシステム構築
MIRU2013チュートリアル:SIFTとそれ以降のアプローチ
MIRU2013チュートリアル:SIFTとそれ以降のアプローチ
Sift特徴量について
Sift特徴量について
ROS の活用による屋外の歩行者空間に適応した自律移動ロボットの開発
ROS の活用による屋外の歩行者空間に適応した自律移動ロボットの開発
20190825 vins mono
20190825 vins mono
大域マッチングコスト最小化とLiDAR-IMUタイトカップリングに基づく三次元地図生成
大域マッチングコスト最小化とLiDAR-IMUタイトカップリングに基づく三次元地図生成
画像局所特徴量と特定物体認識 - SIFTと最近のアプローチ -
画像局所特徴量と特定物体認識 - SIFTと最近のアプローチ -
Lucas kanade法について
Lucas kanade法について
Direct Sparse Odometryの解説
Direct Sparse Odometryの解説
ORB-SLAMを動かしてみた
ORB-SLAMを動かしてみた
画像認識の初歩、SIFT,SURF特徴量
画像認識の初歩、SIFT,SURF特徴量
More from yohei okawa
Explainable predictions pattern
Explainable predictions pattern
yohei okawa
Machine Learning Design Patterns の 29: Explainable Predictions パターンについて、以下の勉強会で発表した資料です https://grass-roots-ml.connpass.com/event/213786/
Model versioning pattern
Model versioning pattern
yohei okawa
Machine Learning Design Patterns の 27: Model Versioning パターンについて、以下の勉強会で発表した資料です https://grass-roots-ml.connpass.com/event/213786/
Workflow pipeline pattern
Workflow pipeline pattern
yohei okawa
Machine Learning Design Patterns の 25: Workflow Pipeline パターンについて、以下の勉強会で発表した資料です https://grass-roots-ml.connpass.com/event/213063/
Transform pattern
Transform pattern
yohei okawa
Machine Learning Design Patterns の 21: Transform パターンについて、以下の勉強会で発表した資料です https://grass-roots-ml.connpass.com/event/213063/
Keyed predictions pattern
Keyed predictions pattern
yohei okawa
Machine Learning Design Patterns の 20: Keyed Predictions パターンについて、以下の勉強会で発表した資料です https://grass-roots-ml.connpass.com/event/211910/
Batch serving pattern
Batch serving pattern
yohei okawa
Machine Learning Design Patterns の 17: Batch Serving パターンについて、以下の勉強会で発表した資料です https://grass-roots-ml.connpass.com/event/211910/
Distribution Strategy pattern
Distribution Strategy pattern
yohei okawa
Machine Learning Design Patterns の 14: Distribution Strategy パターンについて、以下の勉強会で発表した資料です https://grass-roots-ml.connpass.com/event/211119/
Useful Overfitting pattern
Useful Overfitting pattern
yohei okawa
Machine Learning Design Patterns の 11: Useful Overfitting パターンについて、以下の勉強会で発表した資料です https://grass-roots-ml.connpass.com/event/211119/
Multilabel pattern
Multilabel pattern
yohei okawa
Machine Learning Design Patterns の 6: Multilabel パターンについて、以下の勉強会で発表した資料です https://grass-roots-ml.connpass.com/event/210472/
Reframing パターン
Reframing パターン
yohei okawa
Machine Learning Design Patterns の 5: Reframing パターンについて、以下の勉強会で発表した資料です https://grass-roots-ml.connpass.com/event/209674/
20190630_VoVNet
20190630_VoVNet
yohei okawa
第53回 コンピュータビジョン勉強会@関東(前編)の発表資料。 https://kantocv.connpass.com/event/133346/ "An Energy and GPU-Computation Efficient Backbone Network for Real-Time Object Detection"の紹介
はじめての方向け GANチュートリアル
はじめての方向け GANチュートリアル
yohei okawa
2019.4.20 「AR/VR」 × 「AI/ML」 Kick Off Meetup で発表した資料です。 https://liberal-arts-for-tech.connpass.com/event/121974/
semantic segmentation サーベイ
semantic segmentation サーベイ
yohei okawa
2019.4.19 LPIXEL Inc. Presents #1【画像処理 & 機械学習】論文LT会! で発表した資料です。 https://lpixel.connpass.com/event/126425/
Attention-Guided GANについて
Attention-Guided GANについて
yohei okawa
2018.10.29「第1回NIPS2018 理論と実装を話し合う会」で発表した資料です。
CycleGANについて
CycleGANについて
yohei okawa
「第2回 NIPS2017 理論と実装を話し合う会」で報告した内容です
More from yohei okawa
(15)
Explainable predictions pattern
Explainable predictions pattern
Model versioning pattern
Model versioning pattern
Workflow pipeline pattern
Workflow pipeline pattern
Transform pattern
Transform pattern
Keyed predictions pattern
Keyed predictions pattern
Batch serving pattern
Batch serving pattern
Distribution Strategy pattern
Distribution Strategy pattern
Useful Overfitting pattern
Useful Overfitting pattern
Multilabel pattern
Multilabel pattern
Reframing パターン
Reframing パターン
20190630_VoVNet
20190630_VoVNet
はじめての方向け GANチュートリアル
はじめての方向け GANチュートリアル
semantic segmentation サーベイ
semantic segmentation サーベイ
Attention-Guided GANについて
Attention-Guided GANについて
CycleGANについて
CycleGANについて
SLAM入門 第2章 SLAMの基礎
1.
SLAM入門 ロボットの自己位置推定と地図構築の技術 第2章 SLAMの基礎 2018.04.23 hei4
2.
第2章 目次 ● 2.1 SLAMとは ● 2.2 SLAMの原理 – [1] 地図構築:ランドマーク位置の推定 – [2] ロボット位置の推定 –
[3] ロボット位置とランドマーク位置の同時推定 – [4] 外界センサデータが一度に大量に得られる場合 ● 2.3 SLAMの要素技術 – [1] 不確実性の扱い – [2] データ対応付け – [3] センサ融合 – [4] ループ閉じ込み ● 2.4 SLAMの処理形態:一括処理と逐次処理
3.
2.1 SLAMとは ロボット ランドマーク 地図構築 地図構築&自己位置推定 ● (作成中の)地図による、自己位置の更新(推定) ● 更新した自己位置からの、地図の構築 ● 「自己位置推定と地図構築の同時実行」 → SLAM x z a q
4.
2.2 SLAMの原理[1]地図構築 q2,y q2,x z2,x z2,y θ z2 q2 (q2, x q2, y )= (cosθ1
−sin θ1 sinθ1 cosθ1 )(z2, x z2, y )+ (x1 y1 ) q2=R1 z2+t1
5.
2.2 SLAMの原理[2]ロボット位置の推定 θ2 θ3 =θ2 +Δψ2 Δd2 オドメトリ:初期位置から微小変異を積分して現在位置を求める仕組み 簡単な例) 微小時間でロボットは直進したと見なす ( x3 y3 θ3 )= ( cosθ2 −sin θ2
0 sinθ2 cos θ2 0 0 0 1 )( Δd2 0 Δ ψ2 )+ ( x2 y2 θ2 ) x3=x2⊕a2 compounding 演算子 ● オドメトリは移動量を加算していく仕組みのため、推定位置の誤差は走行するにつれ累積していく
6.
2.2 SLAMの原理[3]ロボット位置とランドマーク位置の同時推定 同じランドマークを複数回計測することが重要 センサデータを地図上のランドマークと照合して、ロボット位置を推定 変数より式の数が多い&非線形関数 ・・・非線形最小二乗問題
7.
2.2 SLAMの原理[4]外界センサデータが一度に大量に得られる場合 x z q 1回の計測で多くのランドマークデータが取得できれば オドメトリなしでもロボット位置を推定できる q1=R1 z1+t1 q2=R1 z2+t1 q3=R1
z3+t1 q1=R2 z4+t2 q2=R2 z5+t2 q3=R2 z6+t2 ● レーザスキャナを使用:スキャンマッチング ● 単眼カメラを使用: Structure-From-Motion
8.
2.3 SLAMの要素技術[1]不確実性の扱い q2=R1 z2+t1 z2=R1 −1 (q2−t1)≝h(x1, q2) →
z2=h(x1, q2)+v2 v2=z2−h( x1, q2) v2 は平均0の正規分布に従うと仮定する p(v2)= 1 √|2π Σ2| exp( −1 2 (z2−h( x1, q2)) T Σ2 −1 (z2−h(x1, q2))) x3=x2⊕a2≝g(x2, a2) u2=x3−g(x2, a2) u2 は平均0の正規分布に従うと仮定する p(u2)= 1 √|2π Σ3| exp( −1 2 (x3−h(x2, a2))T Σ2 −1 (x3−h( x2, a2))) 計測モデル 運動モデル 動作モデル システムモデル
9.
2.3 データ対応づけ ● データ対応づけ:「別々に計測されたセンサデータで、同じものを対応づけること」 ● 地形・風景・物体などをIDのないランドマークとして用いることが多い(ICタグやビーコンを使わない) [位置制約による対応づけ] ● 周辺のランドマーク位置を予測 → センサデータの中で最も近いものを対応づける ● シンプルだが、よく使われる [特徴量による対応づけ] ● センサデータとランドマークに特徴量を付加して、特徴量によって対応づけを行う ● 強力な特徴量:それだけで(かなり)対応可能 ● 単純な特徴量:候補の絞り込みに使用可能 ● 位置制約と特徴量を併用することが多い ● 位置の探索範囲が狭い&一度に多くのセンサデータを取得できる → 位置制約のみ (「スキャンマッチング」
10.
2.3 センサ融合 ? ? ● 一度に多数のセンサデータを取得できても、 データ中に多数のランドマークが含まれていても、位置推定できない場合がある → 「退化(degeneracy)」 ● 複数のセンサデータを融合して位置推定する技術が重要となる →
「センサ融合(sensor fusion)」 例) 外界センサ+オドメトリ
11.
2.3 ループ閉じ込み 軌跡とランドマーク位置を 逆に辿って修正していく・・・ → 実際は連立方程式で 一度に解く
12.
2.4 SLAMの処理形態 [一括処理] ● センサデータを充分にそろえて、連立方程式を一括で解く ● 多くのセンサデータを使用するので処理時間は長いが、精度は高い [逐次処理] ● ロボットが走行しながら、逐次的に地図を更新する ● 未知環境や変化する環境で有効 ● 一部のセンサデータのみを使用するので処理時間は短いが、精度は低い 両者は補完し合う性質を持つので、組み合わせて使うのが望ましい
Download now