내 로봇의 몬테카를로 지역화를 구현하고 있으며, 환경 맵과 시작 위치와 방향을 제공합니다.모바일 로봇을위한 몬테카를로 지역화
- 가 균일 각 단계에서
- 그런 다음 지정된 위치의 주위에 500 개 입자를 만들 : 다음과 같이 나의 접근 방식은
- 운동이 오도 모든 입자를 업데이트 (내 현재의 접근 방식이 newX = oldX + odometryX (1 + standardGaussianRandom) 등)
- 은 (수식 가우스 평균 predictedReading있는 각 센서 확률 * = gaussianPDF (realReading))
- 복귀 패로서 최대 확률 입자위한 음파 데이터를 사용하여 각 입자에 가중치를 부여 이 단계 새로운 입자의
- 다음 9/10에서 ocation 무게에 1/10 균일 지금 예측 위치
주위에 샘플링에 따라 기존의 것들에서 다시 샘플링, 나는에 대한 시뮬레이터를 썼다 이 로봇의 환경은 다음과 같습니다. http://www.youtube.com/watch?v=q7q3cqktwZI
나는 로봇이 길어지는 것을 매우 두려워합니다. 넓은 영역에 파티클을 추가하면 로봇이 더 쉽게 잃어 버리게됩니다.
더 나은 성능을 기대합니다. 어떤 충고?
[다중 스택 교환 사이트] (http://robotics.stackexchange.com/q/2337/37)에서 같은 질문을하지 마십시오. 실수로 잘못된 사이트에 질문하면 올바른 사이트로 이전 할 수 있습니다. –
로봇으로 마이 그 레이션 – Neo