[翻译]GMapping的介绍

本文翻译自openslam上的这篇文章

概念

GMapping是一种高效的Rao-Blackwellized粒子滤波器用于根据激光距离数据得出珊格地图.

作者

Giorgio Grisetti(主页); Cyrill Stachniss(主页); Wolfram Burgard(主页);

svn地址

简介

最近Rao-Blackwellized粒子滤波器作为高效的方法被引入用于解决SLAM问题.这种方法使用了一个粒子滤波器,每一个粒子都加载了环境中的一张单独的地图.因此,关键的问题就是:如何减少粒子的数目.我们介绍了自适应技术,这项技术用于在建立珊格地图的过程中减少Rao-Blackwellized粒子滤波器中的粒子数目.我们提出一种方法用于计算精确的分布方案,不仅考虑到机器人的运动,而且考虑到了最近的观测.这个方法不幅度减少机器人在滤波器的预测步骤中的姿态不确定性.此外,我们提供一种方法用于选择性的进行重采样操作,这个操作可以显著的减少粒子消耗问题.

示例

弗莱堡大学校园:

Map of the MIT Killian Cour:

接收的数据

本方法使用激光距离数据和里程计.这个版本优化了长距离激光传感器,比如SICK LMS 和 PLS scanner.短距离传感器比如Hokuyo scanner如果使用标准参数设置将不能得到很优的结果.

日志格式

Carmen日志格式

地图类型

grid maps

软硬件需求

相关论文

Giorgio Grisetti, Cyrill Stachniss, and Wolfram Burgard: ImPRoved Techniques for Grid Mapping with Rao-Blackwellized Particle Filters, IEEE Transactions on Robotics, Volume 23, pages 34-46, 2007

Giorgio Grisetti, Cyrill Stachniss, and Wolfram Burgard: Improving Grid-based SLAM with Rao-Blackwellized Particle Filters by Adaptive Proposals and Selective Resampling, In Proc. of the IEEE International Conference on Robotics and Automation (ICRA), 2005

更多的内容

A. Doucet: On sequential simulation-based methods for bayesian filtering, Technical report, Signal Processing Group, Dept. of Engeneering, University of Cambridge, 1998