《概率机器人》速度运动模型gmapping中代码解析
来源:互联网 发布:双十一淘宝店铺宣言 编辑:程序博客网 时间:2024/06/05 18:30
一个刚性移动机器人的构型通常用6个变量来描述:他的三维直角坐标系,以及相对外部坐标系的三个欧拉角(RPY 横滚 ,俯仰,偏航),所以那么在平面环境中一般用三个变量既可以描述,称之为位姿。
所以一般而平面上机器人的位姿信息也就是机器人的二维平面坐标(x,y)及其方位角
没有方向的位姿就叫做位置(Location).那我们知道概率运动学中的条件密度是:
我们都是知道的
速度运动模型是通过两个速度:平移速度和旋转速度来控制机器人
所以控制
规定逆时针旋转角速度为正,向前运动线速度为正。以下直接给出
motion_model_velocity的伪代码
其中第二行最难理解,虽然我是自我理解了 但是不知道对还是不对,所以还是不写了,上伪代码中的具体含义:初始位姿
对于一些参数的设置:
Motion Model Parameters (all standard deviations of a gaussian noise model) 运动模型的参数 高斯噪声模型的所有标准偏差
- “~/srr” [double] linear noise component (x and y) 线速度的噪声分量
- “~/stt” [double] angular noise component (theta) 角速度的噪声分量
- “~/srt” [double] linear -> angular noise component 线速度与角速度之间的噪声分量
- “~/str” [double] angular -> linear noise component 角速度与线速度的噪声分量
<param name="srr" value="0.1"/> <param name="srt" value="0.2"/> <param name="str" value="0.1"/> <param name="stt" value="0.2"/>
误差的标准方差与给定速度成正比,指定的误差参数,建立了机器人的准确性模型,一个机器人越不精确,这些参数就会越大。
所以以上是关于基于速度信息计算
接下来就是要从运动模型中采样,粒子滤波并不计任意
此算法的输入是
//这里有两个drawFromMotion函数可以用于函数的重载//参数是 输出位姿 线速度 角速度 这其中是要根据《速度运动模型》写函数 具体的理论中文版《概率机器人》P90OrientedPoint MotionModel::drawFromMotion (const OrientedPoint& p, double linearMove, double angularMove) const{ OrientedPoint n(p);//用于存储位姿 double lm=linearMove + fabs( linearMove ) * sampleGaussian( srr ) + fabs( angularMove ) * sampleGaussian( str ); //加了噪声的线速度对应第2行 double am=angularMove + fabs( linearMove ) * sampleGaussian( srt ) + fabs( angularMove ) * sampleGaussian( stt ); //加了噪声的角速度 n.x+=lm*cos(n.theta+.5*am); n.y+=lm*sin(n.theta+.5*am); n.theta+=am; n.theta=atan2(sin(n.theta), cos(n.theta)); return n;}
以上是主要的根据运动模型的一个代码,很明显里面有一个函数sampleGaussian()是十分重要的。sampleGaussian(
这个算法是从均值为0 方差为
那么程序中出现 fabs( linearMove ) * sampleGaussian( srr ) 意思就是产生一个峰值为fabs( linearMove ) 方差为srr的随机样本。这也是为什么这句话中 n.x+=lm*cos(n.theta+.5*am); 为什么乘以0.5的原因。
。
下图给出了采样程序的结果
对比知道第一副是具有中等误差的采样结果,第二幅图是具有较小的角度误差和较大的平移误差的采样结果,第三图是具有较大的角度误差,较小的平移误差的结果。
*这是我个人的理解,可能有一些偏差,或者错误,有错误还请指正,当然不喜勿喷
- 《概率机器人》速度运动模型gmapping中代码解析
- 《概率机器人》里程计运动模型gmapping中代码解析
- 移动机器人运动模型
- 先锋机器人gmapping配置详解
- gmapping 算法解析
- 运动机器人在rviz中同步显示
- 机器人概率定位学习笔记第三篇_使用python建立机器人运动函数(move fuction)
- gmapping
- 手机控制urdf小车模型运动(二)-创建简单的机器人模型
- (二)ROS中控制机器人运动(示例运行)
- pku1573机器人运动
- css3 机器人运动
- 机器人的运动范围
- 机器人的运动范围
- 机器人的运动范围
- 机器人的运动范围
- 机器人的运动范围
- 机器人的运动范围
- C++——【USACO 4.2.3】——Job Processing
- 实验环境安装CenOS 7
- arch linux python3.6.2 图像处理Pillow库未安装导致的错误
- 实验4:栈和队列的基本操作实现及其应用——链队列
- 嵌入式开发(ARM9)学习笔记(十)-开发板串口连接
- 《概率机器人》速度运动模型gmapping中代码解析
- [洛谷1268] 树的重量 构造+思维
- 微信分享没有缩略图
- AOP的解释
- 如何将xml解析成datatable
- 欢迎使用CSDN-markdown编辑器
- 非金融是作风啊
- 链队列的实现
- tf.shape()与tf.get_shape()