読者です 読者をやめる 読者になる 読者になる

Be Engineer.

エンジニア成り立て管理人の日々の記録とメモブログです。

2016/10/24 SLAM勉強

<したこと>

  • YoutubeのCyrill StachnissさんのSLAM Courseを教材にしてSLAMの勉強をした。
  • 先生の手伝いを少々。
  • ブログの更新。
  • TOEICの傾向と対策。今後のタスクを決めた。

 

<復習>

(SLAM Course 01 Introduction to Robot Mapping)

www.youtube.com

「概要」

SLAMとは何なのか、Online SLAMとFull SLAM、SLAMの問題点

 

「気になったとこ」

  • SLAMは鶏と卵の関係

マッピングには自己位置が必要で自己位置推定には地図情報が必要。

なので、どちらを先にというのは難しい。

 

  • Online SLAMとFull SLAM

Online SLAMは直前の自己位置、マップ情報を用いて現在の自己位置とマップ情報を

推定するが、Full SLAMは観測したすべての情報を用いて

現在の自己位置とマップ情報を推定する。

これは正確性は大きいが、動作時間に応じて計算すべき事柄が増えていくので

運用が難しい。

 

 

(Homogeneous Coordinates)

www.youtube.com

「概要」

座標系の変換方法。

 

「気になったとこ」

特になし。めっちゃわかりやすい。

 

 

(Bayes Filter)

www.youtube.com

「概要」

ベイズフィルタ、マルコフ性、予測、信念、事後信念、ガウシアンフィルタ

自己位置推定のモデルーオドメトリ、速度

 

「気になったとこ」

ベイズ則を用いたフィルタ。事後信念からデータの信頼性をもとに予測を推定する。

次に現在の状態を観測し、信念の更新を行う。このサイクルを繰り返す。

事前の情報が信頼できる情報で今までの情報を統合したものという考えで

それより前の情報を用いない。

事前の状態に過去のすべての情報が集約されているという性質。

  • 予測

現在の状態が更新される前の事後信念。

本スライドのモデルではmotion modelが含まれている。

  • 信念

実際の状態に関してあり得るすべての仮説に対して確率を割り振る。

更新前を事後信念と呼ぶ。本モデルではsensor model もしくは

observation modelが含まれている。

  • ガウシアンフィルタ

カルマンフィルタ。

 

 

(Extended Kalman Filter)

www.youtube.com

「概要」

カルマンフィルタ、拡張カルマンフィルタ

 

「気になったこと」

  • カルマンフィルタ

ベイズフィルタの一種。対象モデルを線形と仮定。

ノイズも正規分布(ノイズを含まない)に従う。

 

  • 拡張カルマンフィルタ

対象モデルを非線形と仮定。ヤコビアン行列を用いる。

 

 

<反省>

現在3時前で明日は8時起き…

きびしい。

こうなった原因は

  • 英語を朝からしてなかった
  • 4時間の仮眠?
  • だらだら時間をかけて休憩していた
  • ベイズフィルタの理解に時間がかかった

 

対策は

  • 朝から少しでも英語をするようにする
  • しっかり寝る、仮眠をとる前にコーヒーを飲む
  • 休憩前に何を一番したいかをまず考えて、できることならそれをする
  • 疑問点があるなら、まずは疑問をどこまで解決するのかを考える

明日は12時までに帰れるように頑張る。