「 机器人学 」“里程计/仪技术”浅谈
一、前言
它的功能就是利用传感器的数据来推算机器人位置随时间的变化,常用的传感器类型有编码器、惯性测量单元和视觉传感器等。理论上里程计数据不存在任何误差。
二、里程计模型
里程计模型分为圆弧模型和直线模型两种。圆弧模型同时考虑了机器人的位移变化和航向角的变化,更加接近机器人的运动轨迹。直线模型是假设机器人在极短时间内航向角的变化为零,是对圆弧模型的一种简化。
直线模型适用于对机器人位姿要求不很精确的情况,可以有效降低计算复杂度,利于计算机编程。当编码器采样频率足够高的时候,两种模型均能满足系统要求。简单地说,就是硬件方面钱花到位了,算法方面的要求就降低了。
三、里程计的局部精确性
里程计短距离内数据稳定且相对精确,误差比较小,因此里程计数据可以提供足够的信息去过滤某些观察数据。里程计数据来源于机器人内部传感器数值,不依赖于外界环境的观察,环境的动态性对其没有影响。激光观测数据易受到环境遮挡,而里程计数据的测量值和精度都不受动态环境影响。也即里程计相对于激光传感器的优势。
四、里程计的误差分析
里程计的误差主要分为系统误差与非系统误差。
- 系统误差主要包括:车轮间距与标称值的差异、车轮安装的位置偏差以及两轮的大小差异等。
- 非系统误差主要包括:路面的不平整、车轮打滑、意外的碰撞等。
五、VIO惯性视觉里程仪框架
目前VIO框架已经定型为两大类:松耦合和紧耦合。
- 松耦合是指,IMU和相机分别进行自身的运动估计,然后对它们的位姿估计结果进行融合。
- 紧耦合是指,把IMU的状态和相机的状态合并在一起,共同构建运动方程和观测方程,然后进行状态估计。
紧耦合理论也必将分为基于滤波和基于优化的两个方向。值得一提的是,尽管在纯视觉SLAM中,优化方法已经占了主流,但在VIO中,由于IMU的数据频率非常高,对状态进行优化需要的计算量就更大,因此VIO领域目前仍处于滤波与优化并存的阶段。
「 机器人学 」“里程计/仪技术”浅谈相关推荐
- 「 机器人学 」“Human-aware机器人导航技术”浅谈
一.前言 Human-aware机器人导航是人机交互和运动规划的交叉研究方向,它同时考虑机器人导航问题和导航时与环境中的行人交互问题. 二.Human-aware机器人导航应用领域 机器人引导问题.机 ...
- Cube 技术解读 | 详解「支付宝」全新的卡片技术栈
简介:魔方卡片(Cube),让 App 首页实现敏捷更新. CodeHub#7 正式落幕,来自蚂蚁集团的技术专家「京君」与掘金社区的开发者们分享了「支付宝」全新的卡片技术栈--魔方卡片(Cube). ...
- Windows ECP技术浅谈
文章目录 Windows ECP技术浅谈 1. FltAllocateExtraCreateParameterList 2. FsRtlAllocateExtraCreateParameter 3. ...
- 网络游戏外挂制作技术浅谈
网络游戏外挂制作技术浅谈 2007-01-27 21:05 外挂无非分以下几种(依制作难度): 1.动作式,所谓动作式,就是指用API发命令给窗口或API控制鼠标.键盘等,使游戏里的人物进行流动或者攻 ...
- 浅谈计算机科学与现代教育技术,现代教育技术浅谈论文
正确.充分地认识现代教育技术在促进教育变革方面的作用和功能,有利于进一步推动教育技术在教学实践中的应用,有利于推进教育教学改革的深入发展.下面是学习啦小编给大家推荐的现代教育技术浅谈论文,希望大家喜欢 ...
- 直播回顾 | 子芽CCF TF:云原生场景下软件供应链风险治理技术浅谈
CCF TF(技术前线委员会,Tech Frontier Committee)是中国计算机学会(CCF)为企业界计算机专业人士创建的企业间常态化合作交流平台,创始委员由Intel.LinkedIn.M ...
- 移动通信交换技术浅谈
移动通信交换技术浅谈 近年来移动通信业务需求在国内迅猛上升,推动了移动交换技术的发展,其中,蜂窝式数字移动通信(GSM)在我国许多地方已经联网并可实现漫游通信.移动交换中心(MSC)是移动网路中的核心 ...
- 「 机器人学 」“机器人定位技术”浅谈
一.前言 机器人定位问题是在给定环境地图的前提下来确定机器人在环境中的位置,因此机器人定位问题又被叫做位姿估计问题或者位姿跟踪问题. 二.相对定位和绝对定位 机器人的定位技术大致可以分为两类:相对定位 ...
- 「 机器人学 」“IMU惯性传感器”讲解
一.前言 惯性传感器(IMU)能够测量传感器本体的角速度和加速度,被认为与相机传感器具有明显的互补性,而且十分有潜力在融合之后得到更完善的SLAM系统. 二.IMU工作特点 IMU虽然可以测得角速度和 ...
最新文章
- java修饰静态_Java-static修饰符及静态代码块
- 性能SOTA、适用多种类型物体,国防科技大学单张RGB-D图像预测物体对称性
- java 向量上的坐标点_新高三知识点-点的平移公式
- 外刊晨读 2018 年 年 5 月 月 15 日
- Python+Opencv颜色和形状检测
- RIL接听电话没有声音的问题 [ RIL_Answer | RIL_SetAudioDevices ]
- php 数组是否属于迭代器,数组的迭代器属性Iterator介绍
- iOS全局变量与属性的内存管理
- vscode python环境配置_用VScode配置Python开发环境
- jQuery EasyUI使用教程之在数据网格中添加搜索功能
- 【Pytorch】Pytorch常见的坑汇总
- IT技术支持必备知识
- sinx加expx定积分计算c语言,8.13 写一个用矩阵法求定积分的通用函数,分别求 sinx,cosx,exp(x)的积分;...
- Excel最强玩法!只用Excel就能做出「王者荣耀」战绩表
- 天语W700 wipe
- 中国最美滴100首古诗
- 30系列显卡使用tensorflow1版本
- 如何在Tanzu Cluster中使用vSphere with Tanzu内置容器注册表
- matlab模拟双星问题,物理定律、数学模型告诉你,天下有情人终将分手!
- html5实现窗帘,纯 CSS3 实现的窗帘菜单 Accordion