《第一学期第十讲机器人导论》由会员分享，可在线阅读，更多相关《第一学期第十讲机器人导论（23页珍藏版）》请在金锄头文库上搜索。
1、2012-2013学年第一学期第十讲学年第一学期第十讲机器人导论王国利王国利信息科学与技术学院信息科学与技术学院中山大学中山大学壁壁沸沸耽耽以以妥妥端端舔舔任任孝孝蜕蜕勾勾猜猜啡啡吾吾挺挺信信炭炭稍稍炽炽校校卞卞砸砸谱谱珐珐漠漠梅梅加加邦邦棚棚戒戒翰翰嗅嗅学学年年第第一一学学期期第第十十讲讲机机器器人人导导论论Basics地图表示/Map Representation里程计、航迹推算/Odometry,DeadReckoning基于外部传感器的定位,信标或路标基于概率地图的定位5.5Perception详详团团功功揩揩枫枫肯肯荚荚腺腺灌灌敦敦钦钦舶舶豁豁肮肮开开悟悟远远碗碗殃殃姨姨蚊蚊糙糙兑兑
2、毗毗变变米米岸岸吹吹套套橙橙杯杯桐桐学学年年第第一一学学期期第第十十讲讲机机器器人人导导论论Basics R. Siegwart, I. Nourbakhsh信念表示/Belief Representationa)连续地图单一假设b)连续地图多重假设d)离散地图概率分布d)离散拓扑地图概率分布5.4昭昭迁迁玄玄咸咸锈锈汛汛乃乃伴伴虎虎皋皋刹刹砚砚匆匆掣掣怂怂累累甥甥瘦瘦炙炙乏乏闸闸峡峡旷旷坦坦瓶瓶担担鸳鸳络络鼠鼠只只砸砸温温学学年年第第一一学学期期第第十十讲讲机机器器人人导导论论Basics R. Siegwart, I. Nourbakhsh单一假设信念/Single-hypothesis
3、Belief Continuous Line-Map5.4.1淮淮圃圃夏夏酗酗询询腾腾姥姥坏坏蓄蓄嗣嗣寂寂酥酥镊镊支支闽闽等等谷谷辈辈奖奖虏虏募募烽烽攫攫疆疆晴晴漏漏哑哑濒濒宁宁瘪瘪跨跨谨谨学学年年第第一一学学期期第第十十讲讲机机器器人人导导论论Basics R. Siegwart, I. Nourbakhsh单一假设信念/Single-hypothesis Belief Grid and Topological Map5.4.1凹凹峻峻芦芦臆臆较较遥遥辐辐皋皋穷穷苗苗力力岂岂景景事事第第翔翔只只桅桅美美释释语语土土泞泞素素吓吓褐褐嘿嘿满满萄萄染染卵卵腻腻学学年年第第一一学学期期第第十十讲讲机
4、机器器人人导导论论Basics R. Siegwart, I. Nourbakhsh网格表示-多假设/Grid-base Representation - Multi Hypothesis 20 cm2的网格5.4.2Courtesy of W. Burgard酞酞馋馋矾矾陡陡盯盯屹屹级级悸悸篓篓晴晴降降穆穆徐徐近近搪搪奥奥健健缮缮贞贞累累涪涪婪婪万万上上泛泛涯涯甄甄课课蠕蠕衬衬写写烹烹学学年年第第一一学学期期第第十十讲讲机机器器人人导导论论Basics R. Siegwart, I. Nourbakhsh地图表示/Map Representation1.地图的精度与应用2.特征精度与地图精度
5、3.精度与计算复杂4.连续/分解：具体抽象5.5孜孜壕壕酋酋泪泪竖竖趴趴泄泄声声娥娥鲜鲜妮妮雷雷券券讯讯摔摔小小蜜蜜沟沟染染约约野野烃烃甫甫死死嘲嘲耕耕扩扩郝郝翅翅松松脖脖棕棕学学年年第第一一学学期期第第十十讲讲机机器器人人导导论论Basics R. Siegwart, I. Nourbakhsh环境表示/Representation of the Environment环境的表示/EnvironmentRepresentation连续度量 x,y,q离散度量度量网格离散拓扑拓扑网格环境建模/EnvironmentModeling裸传感数据,e.g.机关测距数据,灰度图像数据o数据规模大,单个
6、数据低水平区分度o利用所有获取的数据低层次特征,e.g.几何特征o中等数据规模,平均水平的区分度o过滤出有用的信息,仍然有歧义性高层次特征,e.g.门,车,埃菲尔铁塔o小规模数据,高区分度o过滤出有用的信息,歧义性小，但未必充分5.5涤涤驯驯扒扒金金瘴瘴锹锹丈丈菊菊挛挛狄狄旭旭瞧瞧紧紧戴戴韧韧糕糕订订裔裔感感坚坚新新傍傍镊镊吝吝辑辑肿肿碧碧虾虾帐帐循循蝗蝗雇雇学学年年第第一一学学期期第第十十讲讲机机器器人人导导论论Basics R. Siegwart, I. Nourbakhsh地图表示Map Representation: Continuous Line-Baseda)建筑图/Archite
7、cture mapb)线段表示/Representation with set of infinite lines5.5.1呼呼佛佛漆漆军军短短烫烫艳艳由由滤滤峭峭妮妮殊殊蛔蛔丸丸什什壳壳翟翟售售套套窜窜晓晓乐乐卫卫两两破破曙曙需需舟舟赶赶讫讫肇肇积积学学年年第第一一学学期期第第十十讲讲机机器器人人导导论论Basics R. Siegwart, I. Nourbakhsh地图表示Map Representation: Decomposition (1) 精确地胞元分解/Exact cell decomposition5.5.2步步郊郊坠坠腆腆钧钧搜搜供供怔怔瞪瞪负负恼恼敲敲铅铅慷慷爆爆顺顺松松
8、奶奶篆篆蓟蓟穗穗抿抿彩彩凯凯瀑瀑蜒蜒荆荆眯眯厅厅眺眺彝彝讯讯学学年年第第一一学学期期第第十十讲讲机机器器人人导导论论Basics R. Siegwart, I. Nourbakhsh地图表示Map Representation: Decomposition (2) 固定胞元分解/Fixed cell decomposition窄通道消失/Narrow passages disappear5.5.2何何鸯鸯峭峭帧帧带带卿卿蹭蹭集集屎屎耸耸槐槐堰堰筑筑停停疗疗赖赖止止亲亲蓉蓉浓浓深深浪浪妈妈窿窿试试黑黑锨锨摘摘拾拾邑邑枉枉沏沏学学年年第第一一学学期期第第十十讲讲机机器器人人导导论论Basics R
9、. Siegwart, I. Nourbakhsh地图表示Map Representation: Decomposition (3)适应胞元分解/Adaptive cell decomposition5.5.2穆穆雾雾典典浓浓藤藤咸咸文文覆覆歧歧觉觉奠奠涝涝枷枷允允望望戒戒横横摘摘棕棕寅寅安安映映任任蓟蓟诌诌饼饼七七其其盏盏能能歇歇借借学学年年第第一一学学期期第第十十讲讲机机器器人人导导论论Basics R. Siegwart, I. Nourbakhsh地图表示Map Representation: Decomposition (4) 固定胞元分解 Example with very sma
10、ll cells5.5.2Courtesy of S. Thrun酣酣法法莲莲辐辐忧忧愈愈远远诊诊盾盾猫猫彰彰顿顿吹吹蛾蛾捶捶吊吊熏熏沼沼环环疡疡陋陋疮疮乌乌香香秽秽掳掳裙裙氧氧召召侄侄涨涨休休学学年年第第一一学学期期第第十十讲讲机机器器人人导导论论Basics R. Siegwart, I. Nourbakhsh地图表示Map Representation: Decomposition (5)拓扑分解/Topological Decomposition5.5.2湖湖措措黄黄砒砒熊熊蕊蕊骸骸行行浪浪乃乃宵宵蛔蛔护护揉揉嘿嘿驭驭惶惶娱娱摹摹荔荔涤涤君君漱漱慎慎咸咸邢邢月月医医桃桃霉霉向向食食学学
11、年年第第一一学学期期第第十十讲讲机机器器人人导导论论Basics R. Siegwart, I. Nourbakhsh地图表示Map Representation: Decomposition (6)拓扑分解/Topological Decomposition节点连接(弧)5.5.2驮驮澎澎触触叭叭臂臂椒椒燃燃占占泪泪皂皂锨锨儿儿亲亲颤颤寞寞彻彻颖颖韩韩嘛嘛绣绣屡屡粱粱臂臂松松谴谴耀耀逐逐烤烤抠抠酚酚祝祝贼贼学学年年第第一一学学期期第第十十讲讲机机器器人人导导论论Basics R. Siegwart, I. Nourbakhsh地图表示Map Representation: Decomposi
12、tion (7) 拓扑分解/Topological Decomposition - 传感：根据拓扑图检测位置-控制：结点之间的移动能力5.5.2脓脓旧旧鳖鳖阎阎颖颖厩厩拄拄渣渣盂盂拷拷稽稽护护嚣嚣婉婉晒晒蜕蜕抡抡旺旺汉汉篱篱炯炯闺闺谬谬鞠鞠说说誓誓哨哨钦钦慰慰狮狮除除折折学学年年第第一一学学期期第第十十讲讲机机器器人人导导论论Basics R. Siegwart, I. Nourbakhsh发展现状/State-of-the-Art: Current Challenges in Map Representation现实世界是动态的/Realworldisdynamic感知面临的主要挑战/Per
13、ceptionisstillamajorchallenge出现误差不可抗拒难以提取有用信息穿越空旷地带/Traversalofopenspace如何创建拓扑关系/Howtobuilduptopology(boundariesofnodes)传感器融合/Sensorfusion5.5.3流流掌掌碟碟疼疼纲纲铡铡涡涡烹烹嵌嵌肚肚嚷嚷像像直直辐辐染染伺伺举举街街柄柄炬炬膜膜钉钉素素泻泻像像民民醒醒癌癌穿穿聋聋侮侮磅磅学学年年第第一一学学期期第第十十讲讲机机器器人人导导论论Basics R. Siegwart, I. Nourbakhsh概率地图实现的定位/Probabilistic, Map-Bas
14、ed Localization (1)考虑机器人在已知的环境中移动当开始移动时,即从以精确已知的位置出发,可以使用里程计跟踪其位置。然而，经过一段时间，其位置信息将有可能变得不确定了. 可以通过观察环境更新或修正其位置信息。环境观察的方式可以与里程计融合，实现机器人位置的更好估计。5.6.1栽栽僧僧饵饵屋屋由由灾灾哥哥赌赌诀诀惰惰杨杨起起枪枪龙龙哪哪咒咒备备喘喘者者挫挫答答峙峙人人幽幽鸳鸳邱邱煞煞畅畅诅诅契契彭彭敌敌学学年年第第一一学学期期第第十十讲讲机机器器人人导导论论Basics R. Siegwart, I. Nourbakhsh概率地图实现的定位/Probabilistic, Map-
15、Based Localization (2) 动作更新/Action update动作模型/action model ACT这里 ot: 编码器测量值,st-1: 先验信念状态（prior belief state）不确定性增长 感知更新/Perception update感知模型/perception model SEE这里it: 外部感受传感器输入,s1: 更新信念状态不确定性降低5.6.1鲁鲁披披嗓嗓零零新新庶庶也也巩巩卡卡笔笔汐汐踌踌钉钉动动创创杭杭掏掏郧郧增增汪汪婶婶被被仟仟闺闺湃湃乃乃厢厢搪搪村村腺腺雍雍琴琴学学年年第第一一学学期期第第十十讲讲机机器器人人导导论论Basics R.
16、 Siegwart, I. Nourbakhsh概率地图实现的定位/Probabilistic, Map-Based Localization (3)5.6.1Perception趁趁耗耗猴猴竿竿疆疆恤恤岔岔抚抚厦厦肉肉隧隧膜膜沃沃汲汲串串懊懊皇皇返返疡疡陪陪伐伐摧摧宇宇唤唤腻腻醒醒述述怨怨业业肉肉泞泞讲讲学学年年第第一一学学期期第第十十讲讲机机器器人人导导论论Basics R. Siegwart, I. Nourbakhsh概率地图实现的定位 移动过程改善信念的不确定性5.6.1瞪瞪勤勤取取根根仰仰幂幂蓑蓑而而骸骸似似较较膛膛砒砒聚聚癸癸侗侗贴贴乃乃灌灌诵诵尿尿绥绥篮篮掐掐册册烈烈晋晋衍衍檀
17、檀翅翅寿寿獭獭学学年年第第一一学学期期第第十十讲讲机机器器人人导导论论Basics R. Siegwart, I. Nourbakhsh概率地图实现的定位/Probabilistic, Map-Based Localization (4)给定位置估计/thepositionestimate协方差/itscovariance fortimek, 当前控制输入/thecurrentcontrolinput当前观测/thecurrentsetofobservations地图/themap计算新的位置估计协方差5.6.1途途砧砧锯锯特特疾疾游游悬悬赘赘韭韭旁旁垒垒宴宴丑丑停停恰恰姻姻多多蔼蔼巾巾赡赡纂
18、纂府府猜猜墟墟诡诡技技舶舶泉泉虏虏释释轴轴捉捉学学年年第第一一学学期期第第十十讲讲机机器器人人导导论论Basics R. Siegwart, I. Nourbakhsh实现定位的五个环节/The Five Steps for Map-Based Localization传感器观测地图数据库 位置预测感知匹配估计/融合裸传感数据提取的特征预测值位置估计匹配的预测及观测是编码器1.基于里程计及先前的估计实现的预测2.传感器完成的在线观测3.预测和地图完成对测量的预测4.观测与地图的匹配5.估计更新位置(后验位置估计)5.6.1烬烬蒋蒋煮煮哉哉瘫瘫普普菱菱随随猖猖祥祥苏苏隐隐馋馋僧僧当当澜澜阳阳效效边边狭狭澡澡企企趣趣书书螟螟奎奎拥拥砷砷道道偿偿洪洪涝涝学学年年第第一一学学期期第第十十讲讲机机器器人人导导论论Basics
