10/31
- slam講義
fastSLAM,Grid based fastSLAM, Particle Filtersについて学んだ。
particle filterは条件付き分布をたくさんのサンプル点で近似表現する。
non-parameric(母数によらない)。
逐次モンテカルロ法とも呼ぶ。サンプル点群から重みを求める?
FastSLAMはParticle BaseのSLAMで各パーティクルがランドマークに対する地図を持つ。
その地図はEKFで表現される。
FastSLAM1.0, 2.0があり、2.0ではより正確なサンプリングが可能だが複雑になった。
Rao-Blackwellizationともよぶ。
Grid Based FastSLAMは各パーティクルが地図を持つので計算量が膨大。
そのため上記のFastSLAMの機能に加え、より軽量化を行っている。
<反省>
iknowで単語を覚える以外は1日の予定していたタスクを終えられた。
ただ、SLAM講義が長引き、時間的にギリギリだった。
また、SLAM講義が自分の統計確率と英語の知識不足でほとんど理解できなかった。
最終的にはhector-SLAMについて理解できればいいので、理解できないのなら
ざっくり飛ばしつつやってもいいかもしれない。
疲れた…