Jednoczesna samolokalizacja i budowa mapy: podejście probabilistyczne

• Autorzy: Skrzypczyński P.

Warianty tytułu

EN

Simultaneous localization and mapping: a probabilistic approach

• Języki publikacji: PL

Abstrakty

PL

Praca przedstawia zarys stanu wiedzy w dziedzinie metod jednoczesnej samolokalizacji i budowy mapy dla robotów mobilnych. Uwagę skupiono na metodach probabilistycznych wykorzystujących reprezentację otoczenia w postaci mapy cech. Sformułowano problem SLAM i zaprezentowano jego ogólne, probabilistyczne rozwiązanie oraz algorytm rozwiązania opartego na rozszerzonej filtracji Kalmana (EKF-SLAM). Przedstawiono dyskusję dotyczącą problemów zbieżności, obserwowalności i sterowalności w EKF-SLAM. Zaprezentowano także ważniejsze rozszerzenia algorytmu EKF-SLAM poprawiające jego efektywność obliczeniową i zdolność do rozwiązywania problemu dopasowywania cech do obserwacji. Zasugerowano także kierunki dalszych badań dotyczących problematyki SLAM.

EN

This article provides an introduction to Simultaneous Localization and Mapping (SLAM), with a focus on probabilistic SLAM utilizing feature-based description of the environment. The probabilistic formulation of the SLAM problem is introduced, and a solution based on the Extended Kalman Filter (EKF-SLAM) is shown. Important issues of convergence, consistency, observability, data association and scaling in EKF-SLAM are discussed from both the theoretical and the practical point of view. Major extensions to the basic EKF-SLAM method and some recent advances in SLAM are also discussed briefly.

Słowa kluczowe

PL

robotyka; robot mobilny; lokalizacja położenia; lokalizacja robota mobilnego; SLAM; EKF-SLAM; filtracja Kalmana

EN

robotics; mobile robot; mobile robot localization system; SLAM; simultaneous localization and mapping; EKF-SLAM; extended Kalman filter

• Wydawca: Oficyna Wydawnicza Politechniki Warszawskiej
• Czasopismo: Prace Naukowe Politechniki Warszawskiej. Elektronika
• Rocznik: 2008
• Tom: z. 166, t. 1
• Strony: 3--22
• Opis fizyczny: Bibliogr. 28 poz., rys., wykr.

Twórcy

autor

Skrzypczyński P.

• Politechnika Poznańska, Instytut Automatyki i Inżynierii Informatycznej, ul. Piotrowo 3A, 60-935 Poznań,

Bibliografia

• [1] J. Andrade-Cetto, A. Sanfeliu, The effects of partial observability when building fully correlated maps, IEEE Trans. on Robotics, 2005, 21(4), s. 771-777.
• [2] J. Andrade-Cetto, T. Vidal-Calleja, A. Sanfeliu, Unscented transformation of vehicle states in SLAM, In: Proc. IEEE Int. Conf. on Robot. and Automat., Barcelona 2005, s. 323-328.
• [3] D. Austin, P. Jensfelt, Using multiple gaussian hypotheses to represent proba bility distributions for mobile robot localization, In: Proc. IEEE Int. Conf. on Robot. and Automat., San Francisco 2000, s. 1036-1041.
• [4] T. Bailey, Mobile robot localisation and mapping in extensive outdoor environments, PhD Thesis, University of Sydney, 2002.
• [5] T. Bailey, J. Nieto, J. Guivant, M. Stevens, E. Nebot, Consistency of the EKF - SLAM algorithm, Proc. IEEE/RSJ Conf. on Intelligent Robots and Systems, Beijing, 2006, s. 3562-3567.
• [6] T. Bailey, J. Nieto, E. Nebot, Consistency of the FastSLAM algorithm, In: Proc. IEEE Int. Conf. on Robot. and Automat., Orlando 2006, s. 424-429.
• [7] Y. Bar-Shalom, X. R. Li, T. Kirubarajan, Estimation with applications to tracking and navigation, New York, Wiley 2001.
• [8] J. A. Castellanos, J. D. Tardós, Mobile robot localization and map building. A multisensor fusion approach, Boston, Kluwer, 1999.
• [9] J. A. Castellanos, J. Neira, J. D. Tardós, Limits to the consistency of the EKF- based SLAM, In: Prepr. IFAC Symp. on Intell. Autonom. Vehicles, Lisbon, 2004.
• [10] A. J. Davison, I. D. Reid, N. D. Molton, O. Stasse, MonoSLAM: Real-time single camera SLAM, IEEE Trans. on Pattern Anal. and Machine Intell., 29(6), 2007, s. 1052-1067.
• [11] M. DiMarco, A. Garulli, A. Giannitrapani, A. Vicino, A Set-theoretic approach to dynamic robot localization and mapping, Autonomous Robots, 2004, 16, s. 23-47.
• [12] G. Dissanayake, P. Newman, S. Clark, H. F. Durrant-Whyte, M. Csorba, A Solution to the simultaneous localization and map building (SLAM) problem, IEEE Trans. on Robotics and Automation, 2001, 17(3), s. 229-241.
• [13] H. F. Durrant-Whyte, T. Bailey, Simultaneous localization and mapping (Part I), IEEE Robotics & Automation Magazine, 13(2), 2006, s. 99-108.
• [14] C. Estrada, J. Neira, J. D. Tardós, Hierarchical SLAM: Real-time accurate mapping of large environments, IEEE Trans. on Robotics, 21(4), 2005, s. 588-596.
• [15] D. Fox, S. Thrun, W. Burgard, F. Dellaert, Particle filters for mobile robot localization, In: Sequential Monte Carlo Methods in Practice, A. Doucet, et. al (red.), Berlin, Springer 2001, s. 499-516.
• [16] J. Guivant, E. Nebot, Optimization of the simultaneous localization and map-building algorithm for real-time implementation, IEEE Trans. Robot. and Automat., 17(3), 2001, s. 242-257.
• [17] S. Huang, G. Dissanayake, Convergence analysis for extended kalman filter based SLAM, In: Proc. IEEE Int. Conf. on Robot. and Automat., Orlando 2006, s. 412-417.
• [18] S. J. Julier, J. K. Uhlmann, A counter example to the theory of simultaneous localization and map building, In Proc. IEEE Int. Conf. on Robot. and Automat., Seoul 2001, s. 4238-4243.
• [19] J. J. Leonard, H. J. S. Feder, A computationally efficient method for large-scale concurrent mapping and localization, In Robotics Research: The Ninth International Symposium, J. Hollerbach, D. Koditschek (red.), London, Springer 2000, s. 169-179.
• [20] D. G. Lowe, Distinctive image features from scale-invariant keypoints, Int. Journal of Computer Vision, 60(2), 2004, s. 91-110.
• [21] M. Montemerlo, FastSLAM: A factored solution to the simultaneous localization and mapping problem with unknown data association, PhD Thesis, Carnegie Mellon University, Pittsburgh 2003.
• [22] O. Mozos, P. Jensfelt, H. Zender, G.-J. Krujiff, W. Burgard, From labels to semantics: An integrated system for conceptual spatial representation of indoor environments for mobile robots, In: ICRA-07 Workshop on Semantic Information in Robotics, Rome 2007, s. 33-45.
• [23] P. Newman, K. Ho, SLAM-loop closing with visually salient features, In Proc. IEEE Int. Conf. on Robot. and Automat., Barcelona, 2005, s. 644-651.
• [24] J. Neira, J. D. Tardós, Data association in stochastic mapping using the joint compatibility test, IEEE Trans. on Robotics and Automation, 17(6), 2001, s. 890-897.
• [25] D. Rodriguez-Losada, F. Matia, Integrating segments and edges in feature-based SLAM, In: Proc. IEEE Int. Conf. on Advanced Robotics, Coimbra 2003. Vol. 3, s. 1717-1722.
• [26] P. Skrzypczyński, Metody analizy i redukcji niepewności percepcji w systemie nawigacji robota mobilnego, Rozprawy, nr 407, Poznań, Wyd. Politechniki Poznańskiej 2007.
• [27] P. Skrzypczyński, Spatial uncertainty management for simultaneous localization and mapping, In: Proc. IEEE Int. Conf. on Robot. and Automat., Rome 2007, s. 4050-4055.
• [28] R. Smith, M. Self, P. Cheeseman, Estimating uncertain spatial relationships in robotics, In: Autonomous Robot Vehicles, I. Cox, G. Wilfong, (red.), Berlin, Springer, 1990, s. 167-193.