Teil 6: Gitterbasierte Lokalisierung Idee der gitterbasierten ...

Sensormodell: Strahlenmodell (2)
Beispiel für prob(z k, z k*) :
• Gibt die Wahrscheinlichkeit an, dass der Abstandswert z k gemessen wird,
wobei z k * der tatsächliche Wert ist.
• Lässt sich in Abhängigkeit von der Umgebung und dem eingesetzten Sensor
unterschiedlich realisieren.
prob(z k , z k *)
Unerwarte Objekete;
sind in der direkter
Umgebung
wahrscheinlicher
prob(z k , z k *) setzt sich additiv aus verschiedenen
Wahrscheinlichkeiten zusammen:
z k ist normalverteilt um
den tatsächlichen Wert z k *.
z k* z max
Mit einer gewissen
Wahrscheinlichket wird
kein Hindernis gemessen.
Der Sensor liefert dann
den Maximalwert z max
O. Bittel; SS 2013 Mobile Roboter - Gitterbasierte Lokalisierung 6-11
Sensormodell: Likelihood Fields (1)
• Aus einer Abstandsmessung z t = z 1,z 2, …, z n werden Hindernispunkte
x z1 , y z1 , …, x zn , y zn gewonnen (im globalen Koordinatensystem).
• p(z t | x t, m) läßt sich dann ermitteln, indem berechnet wird, wie nah
Hindenispunkte von tatsächlichen Hindernissen in der Umgebungskarte
entfernt sind.
Algorithm liklihoodFieldRangeFinderModell(z t, x t, m)
p = 1;
for k = 1 to n do
if z k % z max then
return p;
berechne aus lokalen Polarkoordinaten (z k ,& k )
globale Koordinaten (x zk, y zk);
dist = Abstand von (x zk , y zk) zum nächgelegenen Hindernispunkes in m;
p = p*prob(dist);
dist ~ N(0,' 2 )
O. Bittel; SS 2013 Mobile Roboter - Gitterbasierte Lokalisierung 6-12
z k