《概率机器人》速度运动模型gmapping中代码解析

2024-08-25 06:32

本文主要是介绍《概率机器人》速度运动模型gmapping中代码解析,希望对大家解决编程问题提供一定的参考价值,需要的开发者们随着小编来一起学习吧!

一个刚性移动机器人的构型通常用6个变量来描述:他的三维直角坐标系,以及相对外部坐标系的三个欧拉角(RPY 横滚 ,俯仰,偏航),所以那么在平面环境中一般用三个变量既可以描述,称之为位姿。
所以一般而平面上机器人的位姿信息也就是机器人的二维平面坐标(x,y)及其方位角 θ ,用这个向量来表示:

xyθ

没有方向的位姿就叫做位置(Location).那我们知道概率运动学中的条件密度是: p(xt|ut,xt1)
我们都是知道的 xt xt1 都是机器人的位姿, ut 是运动控制,所以这个模型描述了对 xt1 执行运动控制 ut 后,机器人索取得的运动学状态的后验分布。

速度运动模型是通过两个速度:平移速度和旋转速度来控制机器人
所以控制 ut=(vtwt)
规定逆时针旋转角速度为正,向前运动线速度为正。以下直接给出
motion_model_velocity的伪代码

这里写图片描述

其中第二行最难理解,虽然我是自我理解了 但是不知道对还是不对,所以还是不写了,上伪代码中的具体含义:初始位姿 xt1=(x y θ)T 控制 ut=(v w)T 和假想的后继位姿 xt=(x y θ)T 作为输入,控制以 Δt 执行,参数 α1 α6 是机器人的运动误差参数。

对于一些参数的设置:
Motion Model Parameters (all standard deviations of a gaussian noise model) 运动模型的参数 高斯噪声模型的所有标准偏差
- “~/srr” [double] linear noise component (x and y) 线速度的噪声分量
- “~/stt” [double] angular noise component (theta) 角速度的噪声分量
- “~/srt” [double] linear -> angular noise component 线速度与角速度之间的噪声分量
- “~/str” [double] angular -> linear noise component 角速度与线速度的噪声分量

      <param name="srr" value="0.1"/><param name="srt" value="0.2"/><param name="str" value="0.1"/><param name="stt" value="0.2"/>

误差的标准方差与给定速度成正比,指定的误差参数,建立了机器人的准确性模型,一个机器人越不精确,这些参数就会越大。
所以以上是关于基于速度信息计算 p(xt|ut,xt1) 的算法。

接下来就是要从运动模型中采样,粒子滤波并不计任意 xt,utxt1 的后验。采样时,给定 ut xt1 是为了根据从运动模型 p(xt|ut,xt1) 产生一个随机的 xt ,接下来就是根据运动模型的采样算法:
这里写图片描述

此算法的输入是 xt1 ut 根据之前的分布 p(xt|ut,xt1) 产生一个随机位姿 xt ,第2-4行是有运动学模型的误差参数来产生的新的(第5-7行)样本位姿,具体的代码如下实现:

//这里有两个drawFromMotion函数可以用于函数的重载
//参数是   输出位姿  线速度  角速度   这其中是要根据《速度运动模型》写函数   具体的理论中文版《概率机器人》P90
OrientedPoint 
MotionModel::drawFromMotion (const OrientedPoint& p, double linearMove, double angularMove) const{OrientedPoint n(p);//用于存储位姿double lm=linearMove  + fabs( linearMove ) * sampleGaussian( srr ) + fabs( angularMove ) * sampleGaussian( str ); //加了噪声的线速度对应第2行double am=angularMove + fabs( linearMove ) * sampleGaussian( srt ) + fabs( angularMove ) * sampleGaussian( stt ); //加了噪声的角速度n.x+=lm*cos(n.theta+.5*am);n.y+=lm*sin(n.theta+.5*am);n.theta+=am;n.theta=atan2(sin(n.theta), cos(n.theta));return n;
}

以上是主要的根据运动模型的一个代码,很明显里面有一个函数sampleGaussian()是十分重要的。sampleGaussian( b2 )是产生一个方差为 b2 的以0为中心的分布的一个随机样本。可以通过一下的算法实现

这里写图片描述
这个算法是从均值为0 方差为 b2 的近似正态分布和三角分布中采样的算法,其中函数 rand(x,y) 是在 [b,b] 中均匀分布的一个伪随机数的产生器。
那么程序中出现 fabs( linearMove ) * sampleGaussian( srr ) 意思就是产生一个峰值为fabs( linearMove ) 方差为srr的随机样本。这也是为什么这句话中 n.x+=lm*cos(n.theta+.5*am); 为什么乘以0.5的原因。

下图给出了采样程序的结果
不同的误差参数从速度运动模型中采样的结果
对比知道第一副是具有中等误差的采样结果,第二幅图是具有较小的角度误差和较大的平移误差的采样结果,第三图是具有较大的角度误差,较小的平移误差的结果。

*这是我个人的理解,可能有一些偏差,或者错误,有错误还请指正,当然不喜勿喷

这篇关于《概率机器人》速度运动模型gmapping中代码解析的文章就介绍到这儿,希望我们推荐的文章对编程师们有所帮助!



http://www.chinasem.cn/article/1104805

相关文章

Golang HashMap实现原理解析

《GolangHashMap实现原理解析》HashMap是一种基于哈希表实现的键值对存储结构,它通过哈希函数将键映射到数组的索引位置,支持高效的插入、查找和删除操作,:本文主要介绍GolangH... 目录HashMap是一种基于哈希表实现的键值对存储结构,它通过哈希函数将键映射到数组的索引位置,支持

利用Python调试串口的示例代码

《利用Python调试串口的示例代码》在嵌入式开发、物联网设备调试过程中,串口通信是最基础的调试手段本文将带你用Python+ttkbootstrap打造一款高颜值、多功能的串口调试助手,需要的可以了... 目录概述:为什么需要专业的串口调试工具项目架构设计1.1 技术栈选型1.2 关键类说明1.3 线程模

Python Transformers库(NLP处理库)案例代码讲解

《PythonTransformers库(NLP处理库)案例代码讲解》本文介绍transformers库的全面讲解,包含基础知识、高级用法、案例代码及学习路径,内容经过组织,适合不同阶段的学习者,对... 目录一、基础知识1. Transformers 库简介2. 安装与环境配置3. 快速上手示例二、核心模

Python使用getopt处理命令行参数示例解析(最佳实践)

《Python使用getopt处理命令行参数示例解析(最佳实践)》getopt模块是Python标准库中一个简单但强大的命令行参数处理工具,它特别适合那些需要快速实现基本命令行参数解析的场景,或者需要... 目录为什么需要处理命令行参数?getopt模块基础实际应用示例与其他参数处理方式的比较常见问http

Python利用ElementTree实现快速解析XML文件

《Python利用ElementTree实现快速解析XML文件》ElementTree是Python标准库的一部分,而且是Python标准库中用于解析和操作XML数据的模块,下面小编就来和大家详细讲讲... 目录一、XML文件解析到底有多重要二、ElementTree快速入门1. 加载XML的两种方式2.

Java的栈与队列实现代码解析

《Java的栈与队列实现代码解析》栈是常见的线性数据结构,栈的特点是以先进后出的形式,后进先出,先进后出,分为栈底和栈顶,栈应用于内存的分配,表达式求值,存储临时的数据和方法的调用等,本文给大家介绍J... 目录栈的概念(Stack)栈的实现代码队列(Queue)模拟实现队列(双链表实现)循环队列(循环数组

java解析jwt中的payload的用法

《java解析jwt中的payload的用法》:本文主要介绍java解析jwt中的payload的用法,具有很好的参考价值,希望对大家有所帮助,如有错误或未考虑完全的地方,望不吝赐教... 目录Java解析jwt中的payload1. 使用 jjwt 库步骤 1:添加依赖步骤 2:解析 JWT2. 使用 N

Python中__init__方法使用的深度解析

《Python中__init__方法使用的深度解析》在Python的面向对象编程(OOP)体系中,__init__方法如同建造房屋时的奠基仪式——它定义了对象诞生时的初始状态,下面我们就来深入了解下_... 目录一、__init__的基因图谱二、初始化过程的魔法时刻继承链中的初始化顺序self参数的奥秘默认

Java 正则表达式URL 匹配与源码全解析

《Java正则表达式URL匹配与源码全解析》在Web应用开发中,我们经常需要对URL进行格式验证,今天我们结合Java的Pattern和Matcher类,深入理解正则表达式在实际应用中... 目录1.正则表达式分解:2. 添加域名匹配 (2)3. 添加路径和查询参数匹配 (3) 4. 最终优化版本5.设计思

使用Java将DOCX文档解析为Markdown文档的代码实现

《使用Java将DOCX文档解析为Markdown文档的代码实现》在现代文档处理中,Markdown(MD)因其简洁的语法和良好的可读性,逐渐成为开发者、技术写作者和内容创作者的首选格式,然而,许多文... 目录引言1. 工具和库介绍2. 安装依赖库3. 使用Apache POI解析DOCX文档4. 将解析