SLAM a navigace s použitím RBPF (Rao-Blackwellized Particle Filter)
SLAM a navigace s použitím RBPF (Rao-Blackwellized Particle Filter)
diplomová práce (OBHÁJENO)
Zobrazit/ otevřít
Trvalý odkaz
http://hdl.handle.net/20.500.11956/101431Identifikátory
SIS: 200448
Kolekce
- Kvalifikační práce [10691]
Autor
Vedoucí práce
Oponent práce
Vodrážka, Jindřich
Fakulta / součást
Matematicko-fyzikální fakulta
Obor
Umělá inteligence
Katedra / ústav / klinika
Katedra teoretické informatiky a matematické logiky
Datum obhajoby
10. 9. 2018
Nakladatel
Univerzita Karlova, Matematicko-fyzikální fakultaJazyk
Angličtina
Známka
Výborně
Klíčová slova (česky)
SLAM navigace RBPF částicový filtr terénKlíčová slova (anglicky)
SLAM navigation RBPF particle filter terrainTato práce ukazuje návrh a implementaci systému s použitím kombinace techniky SLAM a navigace pro mobilní roboty, který je vhodný do vnitřních i venkovních prostor. Systém nepoužívá žádné externí značky a spolehá pouze na jeden 2D dálkoměr (range finder). Soustředíme se hlavně na implementaci již známých algoritmů, které značně vylepšujeme pro použití s naším omezením senzorů. Pro lokalizaci robota a vytvoření mapy neznámého prostředí používáme variantu Rao-Blackwellova částicového filtru. Dále navrhujeme způsob pro navigaci v mapě a rozpoznávání různých typů terénu. Metoda pro rozpoznávání terénu vytváří unikátnější mapy a také vylepšuje lokalizaci ve venkovním prostředí. Ve venkovním prostředí se hlavně soustředíme na městské parky, kde náš robot může cestovat pouze po vyznačených cestách.
This work presents a design of an indoor/outdoor SLAM technique combined with navigation for mobile robots. The system does not use any external beacons and relies on only one 2D range finder. This work focuses mainly on an implementation of already established algorithms which were significantly improved (which in effect helped also to overcome the set sensory limitations). To localize the robot and create a map of an unknown environment, we are using a variant of a Rao-Blackwell's particle filter. We also present techniques for navigating in the map and recognizing terrain types. The method for recognizing terrain types creates a much more unique map and also improves the outdoor localization. The outdoor environment that we focused on are city parks where the robot has to stay on designated paths.