Enviar búsqueda
Cargar
SLAM入門 第2章 SLAMの基礎
•
11 recomendaciones
•
7,471 vistas
Y
yohei okawa
Seguir
20180423のSLAM入門輪読会で第2章を説明した資料です
Leer menos
Leer más
Educación
Denunciar
Compartir
Denunciar
Compartir
1 de 12
Descargar ahora
Descargar para leer sin conexión
Recomendados
ロボティクスにおける SLAM 手法と実用化例
ロボティクスにおける SLAM 手法と実用化例
Yoshitaka HARA
オープンソース SLAM の分類
オープンソース SLAM の分類
Yoshitaka HARA
SLAMチュートリアル大会資料(ORB-SLAM)
SLAMチュートリアル大会資料(ORB-SLAM)
Masaya Kaneko
Visual slam
Visual slam
Takuya Minagawa
SLAM勉強会(3) LSD-SLAM
SLAM勉強会(3) LSD-SLAM
Iwami Kazuya
SLAM開発における課題と対策の一例の紹介
SLAM開発における課題と対策の一例の紹介
miyanegi
ORB-SLAMの手法解説
ORB-SLAMの手法解説
Masaya Kaneko
Cartographer を用いた 3D SLAM
Cartographer を用いた 3D SLAM
Yoshitaka HARA
Recomendados
ロボティクスにおける SLAM 手法と実用化例
ロボティクスにおける SLAM 手法と実用化例
Yoshitaka HARA
オープンソース SLAM の分類
オープンソース SLAM の分類
Yoshitaka HARA
SLAMチュートリアル大会資料(ORB-SLAM)
SLAMチュートリアル大会資料(ORB-SLAM)
Masaya Kaneko
Visual slam
Visual slam
Takuya Minagawa
SLAM勉強会(3) LSD-SLAM
SLAM勉強会(3) LSD-SLAM
Iwami Kazuya
SLAM開発における課題と対策の一例の紹介
SLAM開発における課題と対策の一例の紹介
miyanegi
ORB-SLAMの手法解説
ORB-SLAMの手法解説
Masaya Kaneko
Cartographer を用いた 3D SLAM
Cartographer を用いた 3D SLAM
Yoshitaka HARA
SSII2019企画: 画像および LiDAR を用いた自動走行に関する動向
SSII2019企画: 画像および LiDAR を用いた自動走行に関する動向
SSII
20190307 visualslam summary
20190307 visualslam summary
Takuya Minagawa
LiDAR-SLAM チュートリアル資料
LiDAR-SLAM チュートリアル資料
Fujimoto Keisuke
ROS を用いた自律移動ロボットのシステム構築
ROS を用いた自律移動ロボットのシステム構築
Yoshitaka HARA
SSII2021 [TS1] Visual SLAM ~カメラ幾何の基礎から最近の技術動向まで~
SSII2021 [TS1] Visual SLAM ~カメラ幾何の基礎から最近の技術動向まで~
SSII
ROS の活用による屋外の歩行者空間に適応した自律移動ロボットの開発
ROS の活用による屋外の歩行者空間に適応した自律移動ロボットの開発
Yoshitaka HARA
大域マッチングコスト最小化とLiDAR-IMUタイトカップリングに基づく三次元地図生成
大域マッチングコスト最小化とLiDAR-IMUタイトカップリングに基づく三次元地図生成
MobileRoboticsResear
Direct Sparse Odometryの解説
Direct Sparse Odometryの解説
Masaya Kaneko
【RSJ2021】LiDAR SLAMにおける高信頼なループ閉合の実装について
【RSJ2021】LiDAR SLAMにおける高信頼なループ閉合の実装について
MobileRoboticsResear
NDTスキャンマッチング 第1回3D勉強会@PFN 2018年5月27日
NDTスキャンマッチング 第1回3D勉強会@PFN 2018年5月27日
Kitsukawa Yuki
Cartographer と Autoware を用いた自律走行
Cartographer と Autoware を用いた自律走行
Yoshitaka HARA
G2o
G2o
Fujimoto Keisuke
Visual SLAM: Why Bundle Adjust?の解説(第4回3D勉強会@関東)
Visual SLAM: Why Bundle Adjust?の解説(第4回3D勉強会@関東)
Masaya Kaneko
tf,tf2完全理解
tf,tf2完全理解
Koji Terada
ORB-SLAMを動かしてみた
ORB-SLAMを動かしてみた
Takuya Minagawa
Visual-SLAM技術を利用した果樹園の3次元圃場地図の作成
Visual-SLAM技術を利用した果樹園の3次元圃場地図の作成
Masahiro Tsukano
20190825 vins mono
20190825 vins mono
Takuya Minagawa
LiDARとSensor Fusion
LiDARとSensor Fusion
Satoshi Tanaka
SLAM勉強会(PTAM)
SLAM勉強会(PTAM)
Masaya Kaneko
20180424 orb slam
20180424 orb slam
Takuya Minagawa
Explainable predictions pattern
Explainable predictions pattern
yohei okawa
Model versioning pattern
Model versioning pattern
yohei okawa
Más contenido relacionado
La actualidad más candente
SSII2019企画: 画像および LiDAR を用いた自動走行に関する動向
SSII2019企画: 画像および LiDAR を用いた自動走行に関する動向
SSII
20190307 visualslam summary
20190307 visualslam summary
Takuya Minagawa
LiDAR-SLAM チュートリアル資料
LiDAR-SLAM チュートリアル資料
Fujimoto Keisuke
ROS を用いた自律移動ロボットのシステム構築
ROS を用いた自律移動ロボットのシステム構築
Yoshitaka HARA
SSII2021 [TS1] Visual SLAM ~カメラ幾何の基礎から最近の技術動向まで~
SSII2021 [TS1] Visual SLAM ~カメラ幾何の基礎から最近の技術動向まで~
SSII
ROS の活用による屋外の歩行者空間に適応した自律移動ロボットの開発
ROS の活用による屋外の歩行者空間に適応した自律移動ロボットの開発
Yoshitaka HARA
大域マッチングコスト最小化とLiDAR-IMUタイトカップリングに基づく三次元地図生成
大域マッチングコスト最小化とLiDAR-IMUタイトカップリングに基づく三次元地図生成
MobileRoboticsResear
Direct Sparse Odometryの解説
Direct Sparse Odometryの解説
Masaya Kaneko
【RSJ2021】LiDAR SLAMにおける高信頼なループ閉合の実装について
【RSJ2021】LiDAR SLAMにおける高信頼なループ閉合の実装について
MobileRoboticsResear
NDTスキャンマッチング 第1回3D勉強会@PFN 2018年5月27日
NDTスキャンマッチング 第1回3D勉強会@PFN 2018年5月27日
Kitsukawa Yuki
Cartographer と Autoware を用いた自律走行
Cartographer と Autoware を用いた自律走行
Yoshitaka HARA
G2o
G2o
Fujimoto Keisuke
Visual SLAM: Why Bundle Adjust?の解説(第4回3D勉強会@関東)
Visual SLAM: Why Bundle Adjust?の解説(第4回3D勉強会@関東)
Masaya Kaneko
tf,tf2完全理解
tf,tf2完全理解
Koji Terada
ORB-SLAMを動かしてみた
ORB-SLAMを動かしてみた
Takuya Minagawa
Visual-SLAM技術を利用した果樹園の3次元圃場地図の作成
Visual-SLAM技術を利用した果樹園の3次元圃場地図の作成
Masahiro Tsukano
20190825 vins mono
20190825 vins mono
Takuya Minagawa
LiDARとSensor Fusion
LiDARとSensor Fusion
Satoshi Tanaka
SLAM勉強会(PTAM)
SLAM勉強会(PTAM)
Masaya Kaneko
20180424 orb slam
20180424 orb slam
Takuya Minagawa
La actualidad más candente
(20)
SSII2019企画: 画像および LiDAR を用いた自動走行に関する動向
SSII2019企画: 画像および LiDAR を用いた自動走行に関する動向
20190307 visualslam summary
20190307 visualslam summary
LiDAR-SLAM チュートリアル資料
LiDAR-SLAM チュートリアル資料
ROS を用いた自律移動ロボットのシステム構築
ROS を用いた自律移動ロボットのシステム構築
SSII2021 [TS1] Visual SLAM ~カメラ幾何の基礎から最近の技術動向まで~
SSII2021 [TS1] Visual SLAM ~カメラ幾何の基礎から最近の技術動向まで~
ROS の活用による屋外の歩行者空間に適応した自律移動ロボットの開発
ROS の活用による屋外の歩行者空間に適応した自律移動ロボットの開発
大域マッチングコスト最小化とLiDAR-IMUタイトカップリングに基づく三次元地図生成
大域マッチングコスト最小化とLiDAR-IMUタイトカップリングに基づく三次元地図生成
Direct Sparse Odometryの解説
Direct Sparse Odometryの解説
【RSJ2021】LiDAR SLAMにおける高信頼なループ閉合の実装について
【RSJ2021】LiDAR SLAMにおける高信頼なループ閉合の実装について
NDTスキャンマッチング 第1回3D勉強会@PFN 2018年5月27日
NDTスキャンマッチング 第1回3D勉強会@PFN 2018年5月27日
Cartographer と Autoware を用いた自律走行
Cartographer と Autoware を用いた自律走行
G2o
G2o
Visual SLAM: Why Bundle Adjust?の解説(第4回3D勉強会@関東)
Visual SLAM: Why Bundle Adjust?の解説(第4回3D勉強会@関東)
tf,tf2完全理解
tf,tf2完全理解
ORB-SLAMを動かしてみた
ORB-SLAMを動かしてみた
Visual-SLAM技術を利用した果樹園の3次元圃場地図の作成
Visual-SLAM技術を利用した果樹園の3次元圃場地図の作成
20190825 vins mono
20190825 vins mono
LiDARとSensor Fusion
LiDARとSensor Fusion
SLAM勉強会(PTAM)
SLAM勉強会(PTAM)
20180424 orb slam
20180424 orb slam
Más de yohei okawa
Explainable predictions pattern
Explainable predictions pattern
yohei okawa
Model versioning pattern
Model versioning pattern
yohei okawa
Workflow pipeline pattern
Workflow pipeline pattern
yohei okawa
Transform pattern
Transform pattern
yohei okawa
Keyed predictions pattern
Keyed predictions pattern
yohei okawa
Batch serving pattern
Batch serving pattern
yohei okawa
Distribution Strategy pattern
Distribution Strategy pattern
yohei okawa
Useful Overfitting pattern
Useful Overfitting pattern
yohei okawa
Multilabel pattern
Multilabel pattern
yohei okawa
Reframing パターン
Reframing パターン
yohei okawa
20190630_VoVNet
20190630_VoVNet
yohei okawa
はじめての方向け GANチュートリアル
はじめての方向け GANチュートリアル
yohei okawa
semantic segmentation サーベイ
semantic segmentation サーベイ
yohei okawa
Attention-Guided GANについて
Attention-Guided GANについて
yohei okawa
CycleGANについて
CycleGANについて
yohei okawa
Más de yohei okawa
(15)
Explainable predictions pattern
Explainable predictions pattern
Model versioning pattern
Model versioning pattern
Workflow pipeline pattern
Workflow pipeline pattern
Transform pattern
Transform pattern
Keyed predictions pattern
Keyed predictions pattern
Batch serving pattern
Batch serving pattern
Distribution Strategy pattern
Distribution Strategy pattern
Useful Overfitting pattern
Useful Overfitting pattern
Multilabel pattern
Multilabel pattern
Reframing パターン
Reframing パターン
20190630_VoVNet
20190630_VoVNet
はじめての方向け GANチュートリアル
はじめての方向け GANチュートリアル
semantic segmentation サーベイ
semantic segmentation サーベイ
Attention-Guided GANについて
Attention-Guided GANについて
CycleGANについて
CycleGANについて
Último
The_Five_Books_Overview_Presentation_2024
The_Five_Books_Overview_Presentation_2024
koheioishi1
UniProject Workshop Make a Discord Bot with JavaScript
UniProject Workshop Make a Discord Bot with JavaScript
yuitoakatsukijp
ゲーム理論 BASIC 演習105 -n人囚人のジレンマモデル- #ゲーム理論 #gametheory #数学
ゲーム理論 BASIC 演習105 -n人囚人のジレンマモデル- #ゲーム理論 #gametheory #数学
ssusere0a682
生成AIの回答内容の修正を課題としたレポートについて:お茶の水女子大学「授業・研究における生成系AIの活用事例」での講演資料
生成AIの回答内容の修正を課題としたレポートについて:お茶の水女子大学「授業・研究における生成系AIの活用事例」での講演資料
Takayuki Itoh
東京工業大学 環境・社会理工学院 建築学系 大学院入学入試・進学説明会2024_v2
東京工業大学 環境・社会理工学院 建築学系 大学院入学入試・進学説明会2024_v2
Tokyo Institute of Technology
TokyoTechGraduateExaminationPresentation
TokyoTechGraduateExaminationPresentation
YukiTerazawa
ゲーム理論 BASIC 演習106 -価格の交渉ゲーム-#ゲーム理論 #gametheory #数学
ゲーム理論 BASIC 演習106 -価格の交渉ゲーム-#ゲーム理論 #gametheory #数学
ssusere0a682
Último
(7)
The_Five_Books_Overview_Presentation_2024
The_Five_Books_Overview_Presentation_2024
UniProject Workshop Make a Discord Bot with JavaScript
UniProject Workshop Make a Discord Bot with JavaScript
ゲーム理論 BASIC 演習105 -n人囚人のジレンマモデル- #ゲーム理論 #gametheory #数学
ゲーム理論 BASIC 演習105 -n人囚人のジレンマモデル- #ゲーム理論 #gametheory #数学
生成AIの回答内容の修正を課題としたレポートについて:お茶の水女子大学「授業・研究における生成系AIの活用事例」での講演資料
生成AIの回答内容の修正を課題としたレポートについて:お茶の水女子大学「授業・研究における生成系AIの活用事例」での講演資料
東京工業大学 環境・社会理工学院 建築学系 大学院入学入試・進学説明会2024_v2
東京工業大学 環境・社会理工学院 建築学系 大学院入学入試・進学説明会2024_v2
TokyoTechGraduateExaminationPresentation
TokyoTechGraduateExaminationPresentation
ゲーム理論 BASIC 演習106 -価格の交渉ゲーム-#ゲーム理論 #gametheory #数学
ゲーム理論 BASIC 演習106 -価格の交渉ゲーム-#ゲーム理論 #gametheory #数学
SLAM入門 第2章 SLAMの基礎
1.
SLAM入門 ロボットの自己位置推定と地図構築の技術 第2章 SLAMの基礎 2018.04.23 hei4
2.
第2章 目次 ● 2.1 SLAMとは ● 2.2 SLAMの原理 – [1] 地図構築:ランドマーク位置の推定 – [2] ロボット位置の推定 –
[3] ロボット位置とランドマーク位置の同時推定 – [4] 外界センサデータが一度に大量に得られる場合 ● 2.3 SLAMの要素技術 – [1] 不確実性の扱い – [2] データ対応付け – [3] センサ融合 – [4] ループ閉じ込み ● 2.4 SLAMの処理形態:一括処理と逐次処理
3.
2.1 SLAMとは ロボット ランドマーク 地図構築 地図構築&自己位置推定 ● (作成中の)地図による、自己位置の更新(推定) ● 更新した自己位置からの、地図の構築 ● 「自己位置推定と地図構築の同時実行」 → SLAM x z a q
4.
2.2 SLAMの原理[1]地図構築 q2,y q2,x z2,x z2,y θ z2 q2 (q2, x q2, y )= (cosθ1
−sin θ1 sinθ1 cosθ1 )(z2, x z2, y )+ (x1 y1 ) q2=R1 z2+t1
5.
2.2 SLAMの原理[2]ロボット位置の推定 θ2 θ3 =θ2 +Δψ2 Δd2 オドメトリ:初期位置から微小変異を積分して現在位置を求める仕組み 簡単な例) 微小時間でロボットは直進したと見なす ( x3 y3 θ3 )= ( cosθ2 −sin θ2
0 sinθ2 cos θ2 0 0 0 1 )( Δd2 0 Δ ψ2 )+ ( x2 y2 θ2 ) x3=x2⊕a2 compounding 演算子 ● オドメトリは移動量を加算していく仕組みのため、推定位置の誤差は走行するにつれ累積していく
6.
2.2 SLAMの原理[3]ロボット位置とランドマーク位置の同時推定 同じランドマークを複数回計測することが重要 センサデータを地図上のランドマークと照合して、ロボット位置を推定 変数より式の数が多い&非線形関数 ・・・非線形最小二乗問題
7.
2.2 SLAMの原理[4]外界センサデータが一度に大量に得られる場合 x z q 1回の計測で多くのランドマークデータが取得できれば オドメトリなしでもロボット位置を推定できる q1=R1 z1+t1 q2=R1 z2+t1 q3=R1
z3+t1 q1=R2 z4+t2 q2=R2 z5+t2 q3=R2 z6+t2 ● レーザスキャナを使用:スキャンマッチング ● 単眼カメラを使用: Structure-From-Motion
8.
2.3 SLAMの要素技術[1]不確実性の扱い q2=R1 z2+t1 z2=R1 −1 (q2−t1)≝h(x1, q2) →
z2=h(x1, q2)+v2 v2=z2−h( x1, q2) v2 は平均0の正規分布に従うと仮定する p(v2)= 1 √|2π Σ2| exp( −1 2 (z2−h( x1, q2)) T Σ2 −1 (z2−h(x1, q2))) x3=x2⊕a2≝g(x2, a2) u2=x3−g(x2, a2) u2 は平均0の正規分布に従うと仮定する p(u2)= 1 √|2π Σ3| exp( −1 2 (x3−h(x2, a2))T Σ2 −1 (x3−h( x2, a2))) 計測モデル 運動モデル 動作モデル システムモデル
9.
2.3 データ対応づけ ● データ対応づけ:「別々に計測されたセンサデータで、同じものを対応づけること」 ● 地形・風景・物体などをIDのないランドマークとして用いることが多い(ICタグやビーコンを使わない) [位置制約による対応づけ] ● 周辺のランドマーク位置を予測 → センサデータの中で最も近いものを対応づける ● シンプルだが、よく使われる [特徴量による対応づけ] ● センサデータとランドマークに特徴量を付加して、特徴量によって対応づけを行う ● 強力な特徴量:それだけで(かなり)対応可能 ● 単純な特徴量:候補の絞り込みに使用可能 ● 位置制約と特徴量を併用することが多い ● 位置の探索範囲が狭い&一度に多くのセンサデータを取得できる → 位置制約のみ (「スキャンマッチング」
10.
2.3 センサ融合 ? ? ● 一度に多数のセンサデータを取得できても、 データ中に多数のランドマークが含まれていても、位置推定できない場合がある → 「退化(degeneracy)」 ● 複数のセンサデータを融合して位置推定する技術が重要となる →
「センサ融合(sensor fusion)」 例) 外界センサ+オドメトリ
11.
2.3 ループ閉じ込み 軌跡とランドマーク位置を 逆に辿って修正していく・・・ → 実際は連立方程式で 一度に解く
12.
2.4 SLAMの処理形態 [一括処理] ● センサデータを充分にそろえて、連立方程式を一括で解く ● 多くのセンサデータを使用するので処理時間は長いが、精度は高い [逐次処理] ● ロボットが走行しながら、逐次的に地図を更新する ● 未知環境や変化する環境で有効 ● 一部のセンサデータのみを使用するので処理時間は短いが、精度は低い 両者は補完し合う性質を持つので、組み合わせて使うのが望ましい
Descargar ahora