View
251
Download
5
Embed Size (px)
Citation preview
Inertial and vision-based Simultaneous Localization and Mapping ,I-vSLAMSource : 工研院 智慧機器人技術專輯Authors : 謝祥文、張彥中、蔡雨坤、鄭明育 ( 工研院機械所 智慧機器人技術組 )Speaker :余俊瑩Advisor :洪國寶 老師Date : 99.12.14
1
2
OUTLINE一、 Introduction
二、 I-vSLAM system
三、 3D inertial sensor model
四、 EKF I-vSLAM model
五、 Experiment
六、 Conclusions
3
一、 INTRODUCTION 機器人自主移動研發主要核心技術包含兩大層面 : Scene Understanding and Localization
當環境資訊是未知的或環境中的參考點不可用時,最常使用 SLAM(Simultaneous Localization And Mapping)
- 透過 Sensors 進行環境感知,藉由機器人接收 sequential 外部資訊使
用 Probabilistic 達到同步自行定位及環境地圖建置 .
利 用 MonoSLAM 並 結 合 EKF(Enhance Kalman Filter) 或 PF(Particle Filter) ,整合 inertial sensors 進行機器人移動的預測及修正程序
4
OUTLINE一、 Introduction
二、 I-vSLAM system
三、 3D inertial sensor model
四、 EKF I-vSLAM model
五、 Experiment
六、 Conclusions
5
二、 I-VSLAM SYSTEM 機器人移動與旋轉位移量的 Motion Prediction 透
過慣性感測模組提供-Accelerometer: 偵測機器人在空間中三軸的位移及 角度資訊-Gyroscope : 可測角速度-Digital Compass: 計算機器人相對地球磁場的角度
直接整合於機器人上進行量測,不需要額外的外部感測環境,既使外部環境有所變化,仍然可以達成位置估測目的
6
二、 I-VSLAM SYSTEM 除了透過慣性融合技術降低機器人移動位置估測
的環境干擾,也透過整合單一攝影機所擷取的影像資訊,進行 Motion Correction
7
二、 I-VSLAM SYSTEM
8
OUTLINE一、 Introduction
二、 I-vSLAM system
三、 3D inertial sensor model
四、 EKF I-vSLAM model
五、 Experiment
六、 Conclusions
9
三、 3D INERTIAL SENSOR MODEL Accelerometer 及 Gyroscope 可感受機器人高速的
動態平移資訊與轉動資訊,但經過長時間的積分計算,會造成無法消除的累積誤差
Digital Compass 易受外界電磁波干擾
以每種 sensors 的優點來彌補其他 sensors 的缺點,進而估測出正確的機器人姿態與加速度,以提供更準確的 3D 角度與位移量的估測
10
三、 3D INERTIAL SENSOR MODEL
11
三、 3D INERTIAL SENSOR MODEL
陀螺儀偵測機器人三軸角速度
12
OUTLINE一、 Introduction
二、 I-vSLAM system
三、 3D inertial sensor model
四、 EKF I-vSLAM model
五、 Experiment
六、 Conclusions
13
四、 EKF I-VSLAM MODEL 利用 EKF 來建構 I-vSLAM 的 Motion Model 及
Measurement Model
Motion Model 藉由機器人的運動,預測 (Prediction) 其狀態 使用 IMU 的加速度以及角度資訊,計算其預測之位置與朝向角
Measurement Model 藉由感測器量測之環境資訊,修正 (Correction) 其預測之狀態
14
15
四、 EKF I-VSLAM MODEL
0 1 1...t
c nX x y y y
, | 1
1( )( , , ) 2
( , )
( , )
x
c t t v
new new
x v a t tf x v a
x f v a v a t
f
( )tcx x v
0( )tiy x m
系統狀態 (camera and feature)Camera 在空間中位置
Camera 預估線性速度
Camera 在空間各軸角度
Inertial 感測到載體在空間各軸角度
Camera 第一次看到特徵點 i 的世界座標特徵點 i 相對於 camera 的深度倒數
camera 相對於世界座標的方向向量
16
四、 EKF I-VSLAM MODEL
相對於相機的座標為特徵點為相機廣角扭曲係數
為像素長寬左上為為畫面中心座標
izyx
vu
x
zv
x
yu
x
z
v
v
x
y
u
u
id
idi
yhhh
kk
kk
vu
rkrkh
hFv
rkrkh
hFu
rkrkh
h
k
fv
rkrkh
h
k
fu
v
u
ˆ),,(
,
),(
))0,0(( ),(
)1)((
)1)((
)1)((
)1)((
21
00
42
210
42
210
42
210
42
210
,
,
z
17
四、 EKF I-VSLAM MODEL
18
OUTLINE一、 Introduction
二、 I-vSLAM system
三、 3D inertial sensor model
四、 EKF I-vSLAM model
五、 Experiment
六、 Conclusions
19
OUTLINE一、 Introduction
二、 I-vSLAM system
三、 3D inertial sensor model
四、 EKF I-vSLAM model
五、 Experiment
六、 Conclusions
20
六、 CONCLUSION藉由低成本之慣性融合演算法的開發,提升機器人移動資訊預測的準確性- 可降低機器人單純靠視覺感測器定位易造成的空間迷向
進而透過單一攝影機的影像資量的分析比對,達到環境地圖的建構及機器人移動資訊
提升機器人對於 Scene Understanding and Localization準確度
21
Q&A
Thanks for your attention
22
OUTLINE一、 Introduction
二、 I-vSLAM system
三、 3D inertial sensor model
四、 EKF I-vSLAM model
五、 Experiment
六、 Conclusions