跳至主要内容

Robotic Navigation and Exploration

這個筆記對應成功大學 Robotic Navigation and Exploration (CS562000) 的課程。目標為了解自駕車原理，最終能夠使用影像辨識技術操縱 NVIDIA JetBot。 你還可以到我的 Github Repository - Robotic-Navigation 查看課程中每個專案的成果與程式碼。

Overview​

📄️ 4 - SLAM Back-end I

本文介紹了 SLAM 的後端技術，主要涵蓋 Kalman Filter、Extended Kalman Filter 和 EKF-SLAM，它們都是用來預測未知環境並更新位置的算法。Kalman Filter 是一種基於線性和高斯分布的演算法，而 Extended Kalman Filter 則是在原本的 Kalman filter 上加入線性近似的概念，最後結合 EKF 用於 SLAM 的技術就是 EKF-SLAM，它將 pose 和 landmark 整合起來定義成狀態，並重新定義 prediction 以及 observation model。

📄️ 5 - SLAM Back-end II

本文接續 SLAM Back-end I，主要介紹了 Filter-based Back-end、Grid-based Back-end 以及 Graph-based Back-end。 第一部分主要介紹 Particle Filter、Sampling 以及 Sequential Importance Sampling (SIS) 和 Sequential Importance Resampling (SIR)，以及由此衍生出的 Fast-SLAM 方法。 第二部分主要介紹 Occupancy Grid Map，以及如何利用 Laser Beam Model 更新地圖狀態以及 Particle weighting，最後介紹了 Grid map 套用 Fast-SLAM 的完整過程。 第三部分主要介紹 Graph Optimization 的方法，以及用 ICP algorithm 找出兩個 scan 之間的對應關係。接著介紹 Map & Pose 以及 Grid-based SLAM。