1 / 22

Inertial and vision-based Simultaneous Localization and Mapping ,I- vSLAM

Inertial and vision-based Simultaneous Localization and Mapping ,I- vSLAM. Source ： 工研院 智慧機器人技術專輯 Authors ： 謝祥文、張彥中、蔡雨坤、鄭明育 ( 工研院機械所 智慧機器人技術組 ) Speaker ： 余俊瑩 Advisor ： 洪國寶 老師 Date ： 99.12.14. Outline. 機器人自主移動研發主要核心技術包含兩大層面 : Scene Understanding and Localization

jessamine-tillman
Télécharger la présentation

Inertial and vision-based Simultaneous Localization and Mapping ,I- vSLAM

An Image/Link below is provided (as is) to download presentation Download Policy: Content on the Website is provided to you AS IS for your information and personal use and may not be sold / licensed / shared on other websites without getting consent from its author. Content is provided to you AS IS for your information and personal use only. Download presentation by click this link. While downloading, if for some reason you are not able to download a presentation, the publisher may have deleted the file from their server. During download, if you can't get a presentation, the file might be deleted by the publisher.

E N D

Presentation Transcript

  1. Inertial and vision-based Simultaneous Localization and Mapping ,I-vSLAM Source ：工研院 智慧機器人技術專輯 Authors ：謝祥文、張彥中、蔡雨坤、鄭明育(工研院機械所 智慧機器人技術組) Speaker ：余俊瑩 Advisor ：洪國寶 老師 Date ：99.12.14

  2. Outline

  3. 機器人自主移動研發主要核心技術包含兩大層面:機器人自主移動研發主要核心技術包含兩大層面: Scene Understanding and Localization • 當環境資訊是未知的或環境中的參考點不可用時，最常使用SLAM(Simultaneous Localization And Mapping) -透過Sensors進行環境感知，藉由機器人接收sequential外部資訊使 用Probabilistic達到同步自行定位及環境地圖建置. • 利用MonoSLAM並結合EKF(Enhance Kalman Filter)或PF(Particle Filter)，整合inertialsensors進行機器人移動的預測及修正程序 一、Introduction

  4. Outline

  5. 機器人移動與旋轉位移量的Motion Prediction透過慣性感測模組提供 -Accelerometer:偵測機器人在空間中三軸的位移及 角度資訊 -Gyroscope:可測角速度 -Digital Compass:計算機器人相對地球磁場的角度 直接整合於機器人上進行量測，不需要額外的外部 感測環境，既使外部環境有所變化，仍然可以達成 位置估測目的 二、I-vSLAM system

  6. 除了透過慣性融合技術降低機器人移動位置估測的環境干擾，也透過整合單一攝影機所擷取的影像資訊，進行Motion Correction 二、I-vSLAM system

  7. 二、I-vSLAM system

  8. Outline

  9. Accelerometer及Gyroscope可感受機器人高速的動態平移資訊與轉動資訊，但經過長時間的積分計算，會造成無法消除的累積誤差Accelerometer及Gyroscope可感受機器人高速的動態平移資訊與轉動資訊，但經過長時間的積分計算，會造成無法消除的累積誤差 • Digital Compass易受外界電磁波干擾 • 以每種sensors的優點來彌補其他sensors的缺點，進而估測出正確的機器人姿態與加速度，以提供更準確的3D角度與位移量的估測 三、3D inertial sensor model

  10. 三、3D inertial sensor model

  11. 三、3D inertial sensor model 陀螺儀偵測機器人三軸角速度

  12. Outline

  13. 利用EKF來建構I-vSLAM的Motion Model及Measurement Model • Motion Model • 藉由機器人的運動，預測(Prediction)其狀態 • 使用IMU的加速度以及角度資訊，計算其預測之位置與朝向角 • Measurement Model • 藉由感測器量測之環境資訊，修正(Correction)其預測之狀態 四、EKF I-vSLAM model

  14. 四、EKF I-vSLAM model Camera在空間各軸角度 Camera在空間中位置 系統狀態(camera and feature) Camera預估線性速度 Camera第一次看到特徵點i的世界座標 特徵點i相對於camera的深度倒數 camera相對於世界座標的方向向量 Inertial 感測到載體在空間各軸角度

  15. 四、EKF I-vSLAM model

  16. 四、EKF I-vSLAM model

  17. Outline

  18. Outline

  19. 六、Conclusion • 藉由低成本之慣性融合演算法的開發，提升機器人移動資訊預測的準確性 • -可降低機器人單純靠視覺感測器定位易造成的空間迷向 • 進而透過單一攝影機的影像資量的分析比對，達到環境地圖的建構及機器人移動資訊 • 提升機器人對於Scene Understanding and Localization • 準確度

  20. Q&A Thanks for your attention

  21. Outline

More Related