GMapping


Original: http://openslam.org/gmapping.html

 

 

GMapping est un déposant des particules de Rao-Blackwellisés très efficace pour apprendre cartes quadrillées de données de télémétrie laser.
Plus d’informations

Auteurs
Giorgio Grisetti; Cyrill Stachniss; Wolfram Burgard;

Obtenez le code source via SVN
svn co https://svn.openslam.org/data/svn/gmapping

Description longue
Récemment filtres à particules de Rao-Blackwellisés ont été introduites comme des moyens efficaces pour résoudre la localisation et la cartographie simultanée (SLAM) problème. Cette approche utilise un filtre à particules dans lequel chaque particule porte une carte individuelle de l’environnement. Par conséquent, une question clé est de savoir comment réduire le nombre de particules. Nous présentons des techniques adaptatives pour réduire le nombre de particules dans un filtre à particules de Rao-Blackwellisés pour cartes quadrillées de l’apprentissage. Nous proposons une approche pour calculer une distribution de proposition précise en tenant compte non seulement le mouvement du robot, mais aussi l’observation la plus récente. Cela diminue considérablement l’incertitude sur la pose du robot dans l’étape de prédiction du filtre. En outre, nous appliquons une approche sélective pour réaliser des opérations de ré-échantillonnage qui réduit sérieusement le problème de la réduction des particules.

Exemple Images

Belle vue 3D de la meilleure particule cartographie du laboratoire Intel reserach

 

Carte du campus de Fribourg

 

Carte de la Cour MIT Killian

 

Les données d’entrée
L’approche prend données et odométrie gamme laser premières. Cette version est optimisée pour longue portée scanners laser comme LMS malades ou scanner PLS. Lasers à courte portée comme scanner Hokuyo travailleront pas bien avec les paramètres standard.

Format de fichier journal
Format de journal Carmen

Type de Carte
cartes quadrillées

Logiciel / Matériel requis
Linux / Unix, GCC 3.3/4.0.x
CARMEN (dernière version)
Guide d’installation rapide-bash:. / Configure; . . / Setlibpath; faire;

Documents décrivant l’approche
Giorgio Grisetti, Cyrill Stachniss, et Wolfram Burgard: amélioration des techniques de cartographie grille avec des filtres de Rao-Blackwellisés particules, IEEE Transactions on Robotics, Volume 23, pages 34-46, 2007 (lien)

Giorgio Grisetti, Cyrill Stachniss, et Wolfram Burgard: Améliorer SLAM en grille avec filtre à particules de Rao-Blackwellisés de propositions d’adaptation et sélective rééchantillonnage, Dans Proc. de la Conférence internationale IEEE sur la robotique et l’automatisation (ICRA), 2005 (lien)

Lectures complémentaires
A. Doucet: Sur la base des méthodes de simulation séquentielles pour le filtrage bayésien, rapport technique, Groupe de Traitement du Signal, Département de Engeneering, Université de Cambridge, 1998

Informations sur la licence
Ce logiciel est distribué dans l’espoir qu’il sera utile, mais SANS AUCUNE GARANTIE; sans même la garantie implicite de COMMERCIALISATION ou D’ADAPTATION À UN USAGE PARTICULIER.
Les auteurs permettent aux utilisateurs de OpenSLAM.org à utiliser et modifier le code source de leurs propres recherches. Toute demande commerciale, la redistribution, etc doit être organisé entre les utilisateurs et les auteurs individuellement et ne sont pas couverts par OpenSLAM.org.

GMapping est distribué sous licence Creative Commons Paternité (-ShareAlike).

Informations complémentaires
L’approche de SLAM est disponible comme une bibliothèque et peut être facilement utilisé comme une boîte noire. Apporter des changements à l’algorithme lui-même, cependant, nécessite un certain + expérience C +.

 

*** OpenSLAM.org n’est pas responsable pour le contenu de cette page ***
*** Droits d’auteur et V.i.S.d.P.: Giorgio Grisetti; Cyrill Stachniss; Wolfram Burgard; ***