SLAM gkontes

Περίληψη ● H εργασία έχει σκοπό να αξιολογήσει έναν αλγόριθμο για SLAM (Simultaneus Localization And Mapping), τον DP-SLAM καθώς και να τον επεκτείνει ώστε να παρέχει πρόσθετες χρήσιμες πληροφορίες. ● Η αξιολόγηση του αλγορίθμου έγινε με δοκιμές του σε datasets από το internet και πλέον πέρα από το χάρτη αποτυπώνονται πληροφορίες και για την πραγματική διαδρομή που ακολούθησε το ρομπότ, αλλά και για τη διαδρομή που υποθέτει πως έχει ακολουθήσει.

Datasets ● Ο αλγόριθμος επεξεργάζεται datasets της μορφής: Odometry x y theta Laser 181 reading1 reading2 reading3... reading180. ● Όπως γίνεται αντιληπτό τα datasets από το internet δεν βρίσκονταν σε αυτή τη μορφή, αλλά χρειάστηκαν αρκετές μετατροπές. ● Για τις μετατροπές δημιουργήθηκε ένα γενικό script σε CSharp το οποίο προσαρμοζόταν σε κάθε set.

DP-SLAM ● Ο αλγόριθμος DP-SLAM δημιουργήθηκε από τους Austin Eliazar και Ronald Parr του Duke University. ● Κάνει localization χωρίς landmarks. ● Δεν χρησιμοποιεί κάποια τεχνική βελτίωσης όταν υπάρχει closed loop, αντίθετα στις περισσότερες περιπτώσεις μία και μόνη επεξεργασία των δεδομένων αρκεί. ● Εχει τεράστιες απαιτήσεις μνήμης.

DP-SLAM ● Χρησιμοποιεί ένα particle filter για να κρατά μια join probability distribution πάνω στους χάρτες και τις θέσεις του ρομπότ. ● Αντί να κρατά όλους τους χάρτες χρησιμοποιεί ένα γενεολογικό δέντρο, όπου κάθε νέα γενιά particles κληρονομεί ένα τμήμα του χάρτη από την προηγούμενη γενιά. ● Τα φύλλα του δέντρου είναι πιθανοί χάρτες

DP-SLAM ● Στο διπλανό σχήμα οι κόκκινες τελείες είναι δειγματοληπτημένες θέσεις του ρομπότ, οι μαύρες γραμμές οι νέες παρατηρήσεις για την τρέχουσα θέση και οι γκρίζες γραμμές δεί-χνουν τμήματα χάρτη που κληρονόμησε από προηγούμενο particle.

Results ● Οι ακόλουθες εικόνες δείχνουν αποτελέσματα του αλγορίθμου κατά τη διάρκεια της εκτέλεσής του. ● Η κόκκινη γραμμή είναι η πραγματική τροχιά του ρομπότ και η μπλε η τροχιά που δείχνει το odometry. ● Δοκιμάστηκαν τρία datasets: ένα από τους δημιουργούς του αλγορίθμου, ένα από αντίστοιχο μάθημα στο Stanford και ένα μεγαλύτερο από το University of Tennessee-Knoxville.

Parr

Parr Original Image

Thrun

Thrun Original Image

Thrun Focus

Claxton Failure

Claxton Original Image

Claxton Facts ● Το συγκεκριμένο log file είναι επτά φορές μεγαλύτερο από τα προηγούμενα. ● Στην 34η επανάληψη ο αλγόριθμος σταμάτησε γιατί η μνήμη του συστήματος δεν επαρκούσε. ● Το συγκεκριμένο ρομπότ είχε 160 laser readings αντί για 180.

Conclusions ● O DP-SLAM φτιάχνει ποιοτικούς και λεπτομερείς χάρτες με μία μόνο επεξεργασία των δεδομένων και χωρίς πρόβλημα σε περιπτώσεις closed loop. ● Απαιτεί αρκετό χρόνο και η διαδικασία μάλλον δεν μπορεί να γίνει on the fly στο ρομπότ. ● Είναι πολύ robust. Σε πειράματα με διαφορετικού τύπου ρομπότ έδωσε καταπληκτικά αποτελέσματα χωρίς να αλλάξουμε το odometry model. ● Έχει τρομακτικές απαιτήσεις σε μνήμη. ● Σε πολύ μεγάλους χάρτες παρουσιάζει αστάθεια.