C S 3 5 4 R e p r e s e n t i n g Ma p s : T o - PowerPoint PPT Presentation

C S 3 5 4

R e p r e s e n t i n g Ma p s : T o p o l o g i c a l ● R e p r e s e n t r e l a t i v e l o c a t i o n s u s i n g a g r a p h s t r u c t u r e . EnGeo2007 EngGeo_Hall_B + G o o d f o r h i g h l e v e l n a v i g a t i o n - D i ffj c u l t t o b u i l d a u t o n o m o u s l y EngGeo2002 EngGeo_Hall_A EngGeo2003 - N o t g o o d f o r l o w - l e v e l l o c a l i z a t i o n a n d n a v i g a t i o n Spine_A

R e p r e s e n t i n g Ma p s : G e o m e t r i c L a n d m a r k B a s e d ● S t o r e t h e g e o m e t r i c l o c a t i o n o f r e c o g n i z a b l e l a n d m a r k s . – Ma y b e a r t i fj c i a l b e a c o n s o r m a r k e r s . – Ma y b e d i s t i n c t i v e e n v i r o n m e n t a l f e a t u r e s . + Me m o r y - e ffj c i e n t + A l l o w s p r e c i s e l o c a l i z a t i o n - L a n d m a r k m i s - i d e n t i fj c a t i o n c a n c a u s e p r o b l e m s - Ma y n o t b e i d e a l f o r n a v i g a t i o n : o n l y l a n d m a r k p o s i t i o n s a r e s t o r e d , n o t n e c e s s a r i l y t h e p o s i t i o n s o f a l l o b s t a c l e s

R e p r e s e n t i n g Ma p s : O c c u p a n c y G r i d ● D i v i d e t h e e n v i r o n m e n t i n t o g r i d c e l l s , m a i n t a i n a n “ o c c u p i e d ” p r o b a b i l i t y f o r e a c h c e l l . - Me m o r y i n t e n s i v e ( p a r t i c u l a r l y i n 3 D ) + G o o d f o r n a v i g a t i o n + G o o d f o r l o c a l i z a t i o n + R e l a t i v e l y s i m p l e t o c r e a t e a u t o n o m o u s l y

Q u a d t r e e s / O c t r e e s ● L a r g e o c c u p a n c y g r i d s c a n b e e x p e n s i v e t o s t o r e : – 1 0 0 m x 1 0 0 m m a p , 1 c m r e s o l u t i o n – 1 0 0 , 0 0 0 , 0 0 0 c e l l s ● Q u a d t r e e i s a m o r e s p a c e - e ffj c i e n t a l t e r n a t i v e …

Q u a d t r e e s / O c t r e e s ● L a r g e o c c u p a n c y g r i d s c a n b e e x p e n s i v e t o s t o r e : – 1 0 0 m x 1 0 0 m m a p , 1 c m r e s o l u t i o n – 1 0 0 , 0 0 0 , 0 0 0 c e l l s ● Q u a d t r e e i s a m o r e s p a c e - e ffj c i e n t a l t e r n a t i v e … ● O c t r e e i s t h e 3 d g e n e r a l i z a t i o n : http://en.wikipedia.org/wiki/File:Octree2.svg, http://creativecommons.org/licenses/by-sa/3.0/

Ma p p i n g w / O c c u p a n c y G r i d s ● R e l a t i v e l y e a s y i f w e k n o w t h e r o b o t p o s e : Increase occupied probability Decrease occupied probability H.P. Moravec. Sensor fusion in certainty grids for mobile robots. AIMagazine, pages 61–74, Summer 1988.

S L A M – S i m u l t a n e o u s L o c a l i z a t i o n a n d Ma p p i n g ● R e c a l l t h e l o c a l i z a t i o n p r o b l e m : ● T h e S L A M p r o b l e m i s r e a s s u r i n g l y f a m i l i a r : ● Wh e r e r e p r e s e n t s t h e m a p . ● B e f o r e w e w a n t e d a p r o b a b i l i t y d i s t r i b u t i o n o v e r a l l p o s s i b l e r o b o t p o s e s . ● N o w w e w a n t a j o i n t p r o b a b i l i t y d i s t r i b u t i o n o v e r a l l p o s s i b l e r o b o t p o s e s a n d a l l p o s s i b l e m a p s . “ D i s t r i b u t i o n o v e r p o s s i b l e m a p s ” i s n o t a s m a n a g e a b l e a s “ d i s t r i b u t i o n o v e r p o s e s ”

S L A M “ S o l u t i o n ” ● P r e d i c t i o n : ● C o r r e c t i o n : Adapted from Simultaneous Localisation and Mapping (SLAM): Part 1 The Essential Algorithms, Hugh Durrant-Whyte, 2006

S L A M S o l u t i o n s ● S o l u t i o n s f a l l i n t o t h r e e f a m i l i e s ( i n r o u g h l y h i s t o r i c a l o r d e r ) – E F K S L A M – P a r t i c l e - F i l t e r S L A M – G r a p h S L A M

( E x t e n d e d ) K a l m a n F i l t e r S L A M ● Mo s t a p p r o p r i a t e f o r l a n d m a r k - b a s e d m a p s . ● P r o b l e m s : – N o t c l e a r h o w t o u s e t h i s f o r o c c u p a n c y g r i d s – T h e c o v a r i a n c e m a t r i x g e t s b i g a s t h e n u m b e r o f l a n d m a r k s g r o w s – V i d e o E x a m p l e

P a r t i c l e F i l t e r S L A M: P r o b l e m s ● C o v e r i n g t h e s p a c e o f p o s s i b l e p o s e s a n d m a p s w i t h p a r t i c l e s i s n o t p r a c t i c a l : – “ P o s e p a r t i c l e ” : 3 - 6 d i m e n s i o n s – “ Ma p p a r t i c l e ” f o r a ( t i n y ) 1 0 x 1 0 g r i d : 1 0 0 d i m e n s i o n s – J o i n t m a p x p o s e p a r t i c l e : 3 0 0 - 6 0 0 d i m e n s i o n s

R a o - B l a c k w e l l i z e d P a r t i c l e F i l t e r f o r S L A M ● S o l u t i o n / A p p r o x i m a t i o n : – E a c h p o s e p a r t i c l e h a s a n a s s o c i a t e d m a p . – E a c h m a p i s u p d a t e d u n d e r t h e a s s u m p t i o n t h a t i t s p a r t i c l e r e p r e s e n t s t h e c o r r e c t p o s e . – T h e m a p m a y b e l a n d m a r k - b a s e d o r o c c u p a n c y g r i d - b a s e d .

G r a p h S L A M Thrun, Sebastian, and Michael Montemerlo. "The graph SLAM algorithm with applications to large-scale mapping of urban structures." The International Journal of Robotics Research 25.5-6 (2006): 403-429.

C h a l l e n g e s ● L O O P C L O S U R E S ! ! ! !