Wyniki wyszukiwania - BazTech

1

RGB-DD: metody łączenia obrazów głębi oraz intensywości przez interpolację i fuzję danych w zadaniu SLAM

Walas K., Nowicki M., Skrzypczyński P.

Prace Naukowe Politechniki Warszawskiej. Elektronika

|

2016

|

z. 195, t. 2

417--426

PL

Praca dotyczy zagadnienia identyfikacji danych głębi z danymi intensywności w zastosowaniu do zadania jednoczesnej samolokalizacji i budowy mapy otoczenia (ang. Simultaneous Localization and Mapping – SLAM). Integracja danych przeprowadzona została dla czujnika głębi o rozdzielczości obrazu znacząco mniejszej od rozdzielczości obrazu RGB. W artykule sprawdzono dwie metody zwiększania rozdzielczości. Jedna z nich wykorzystuje interpolację biliniową obrazu głębi podczas jego przeskalowywania, a druga opiera się na fuzji danych głębi oraz intensywności. Przetestowano jakość działanie obu metod podwyższania rozdzielczości w zadaniu SLAM. Porównanie podejść nastąpiło na podstawie eksperymentu, w którym zebrano dane z dwóch czujników głębi wraz z kamerą RGB oraz zarejestrowano trajektorię przemieszczenia czujników.

EN

In this paper the method of combining depth data with intensity images in the Simultaneous Localization and Mapping (SLAM) task is described. Data integration was performed for the depth sensor with substantially lower resolution than the RGB image. In this paper two methods of upsampling were tested. First one is using pure interpolation during upsampling, and the second one is based on data fusion guided by RGB image. The quality of selected methods was examined in a SLAM task. The comparison of these two methods was done experimentally, where data from depth and RGB sensors were gathered and the trajectory of the sensor movement was recorded.

2

Lokalizacja robota mobilnego w czasie rzeczywistym na podstawie danych ze skanera laserowego

Sankowski D., Jeżewski S., Łaski M.

Automatyka / Akademia Górniczo-Hutnicza im. Stanisława Staszica w Krakowie

|

2010

|

T. 14, z. 3/1

501-513

PL

W niniejszej publikacji przedstawiono opis algorytmów wykorzystanych do lokalizacji robota mobilnego w czasie rzeczywistym. Główny nacisk położono na optymalizacje algorytmu poszukiwania najbliższego sąsiada, wykorzystywanego przez metody lokalizacji. Autorzy skupią się na najbardziej powszechnym sposobie lokalizacji, jakim jest ICP (Iterative Closest Points).

EN

This papers presents description of algorithms used in real time mobile robot localization procedure. Main problem is to optimize nearest neighbour algorithm used by localization method using characteristics of data received from laser rangefinder. The Iterative Closest Point (ICP) algorithm has been used, as it is a classical method in localization problem.

3

Simultaneous localization and mapping: A feature-based probabilistic approach

Skrzypczyński P.

International Journal of Applied Mathematics and Computer Science

|

2009

|

Vol. 19, no 4

575-588

EN

This article provides an introduction to Simultaneous Localization And Mapping (SLAM), with the focus on probabilistic SLAM utilizing a feature-based description of the environment. A 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 theoretical and practical points of view. Major extensions to the basic EKF-SLAM method and some recent advances in SLAM are also presented.

4

Jednoczesna samolokalizacja i budowa mapy: podejście probabilistyczne

Skrzypczyński P.

Prace Naukowe Politechniki Warszawskiej. Elektronika

|

2008

|

z. 166, t. 1

3-22

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.