SLAM

SLAMSLAM
Simultaneous Localization and MappingS
Walter Lucetti
myzhar@robot-home.it

Sommario
23/05/15Officine Robotiche 2015 - SLAM
2
WalterLucetti–myzhar@robot-home.it
 Evoluzione dello SLAM:
dal 2D al 3D
 Conclusioni
 Introduzione
 Cosa serve per lo SLAM?
 Robot
 Sensore
 L'algoritmo
 Aggiornamento della mappa
 Stima del movimento
 Localizzazione
 Iterative Closest Point
 SLAM & ROS
 SLAM & Officine Robotiche

Introduzione
4
? Dove sono ?
Per rispondere a questa domanda sono necessarie
due cose:
Una mappa da aggiornare (Mapping)
Una mappa da leggere (Localization)
Lo SLAM è l'algoritmo che richiede la soluzione
contemporanea di entrambi i problemi:
Simultaneous Localization And Mapping

SLAM
5
Prendere un robot
Lasciarlo in un ambiente sconosciuto
Costruire la mappa
Navigare l'ambiente
Utilizzare la mappa per localizzarsi

Cosa serve?
7
Un robot
Uno strumento in grado di misurare le
distanze

Il robot
8
●
Autonomo, ma non necessariamente
●
In grado di misurare i suoi movimenti
●
“Piccolo” errore su misura movimenti
●
Max 2 cm ogni metro di avanzamento
●
Max 2° ogni 45° di rotazione sul posto
●
Potenza di calcolo ENORME (on board o
remota)

Il robot
9

Il sensore di misura [1/2]
10
●
Preciso
●
Veloce
●
Multi-misura
●
2D o 3D
Da evitare:
●
Sonar: lenti, imprecisi, troppe misure
errate
●
Sensori IR: lenti, imprecisi

Il sensore di misura [2/2]
11
I primi tentativi di SLAM usavano i sonar e i
risultati erano scadenti.
Chi poteva permetterselo è passato ai
Laser 2D (LRF), ottenendo ottimi risultati
Oggi grazie alla tecnonogia RGB-D di
Primesense (RIP ) “tutti” possono avere
una scansione 3D in indoor e fare SLAM 3D
ad un costo “limitato”

L'algoritmo
13
Start
Movimento
Aggiornamento
Mappa
Misura delle distanze
dagli oggetti presenti
nell'ambiente
Stima della distanza
percorsa e dell'angolo
di rotazione
Localizzazione Stima della posizione
e dell'orientamento
all'interno della mappa

Aggiornamento mappa
14

Stima del movimento
15
Comandi
Traslazione
e
Rotazione
Odometria
Sensore
Inerziale
Fusione
Sensoriale
UKF
EKF
PF
KF EKF *
* Riguardo al Filtro di Kalman (KF),
sue varianti (EKF,UKF) e Filtro a
Particelle (PF), si rimanda la spiegazione
ad altra sede, vista la difficoltà
relativa all'argomento

ICP
e
varianti
Localizzazione
16
Posizione corrente all'interno della
MAPPA GLOBALE
Posizione
precedente
Movimenti
Relativi
Mappa
Locale
Nuova
Posizione
Fusione

Iterative Closest Point
17
ICP: algoritmo chiave dello SLAM basato su scansione laser
(1) Considero 2 scansioni prese in due posizioni diverse
(2) Associo ad ogni punto della prima scansione il più vicino
della seconda
(3) Scarto i punti con errori di associazione alti (Outliers)
(4) Ruoto e traslo una scansione fino a minimizzare l'errore di
associazione tra i punti più vicini
(5) Ripeto da (1) fino a che l'errore non si stabilizza sotto una
soglia prestabilita

Iterative Closest Point
18
(1) (2) (3)
(4) (5) Ripeto da (1)
Fino al risultato
finale

SLAM e ROS
20
ROS è un framework per
applicazioni robotiche
Nato per accelerare lo sviluppo di
nuovi robot e nuove applicazioni
Condivisione di software “stabile”
sotto la filosofia Open Source
Usando ROS ci si può concentrare
sul software che guida il robot,
tralasciando il software di
infrastruttura

SLAM e ROS
21
ROS mette a disposizione
molti “nodi”, cioè applicazioni
che messe insieme
permettono di implementare
“facilmente” lo SLAM su un
robot che soddisfa le
caratteristiche hardware
elencate
Package:
 gmapping
 localization
 navigation
 slam_gmapping
 robot_pose_ekf
 robot_localization
 Bayesan Filtering Library


 E molti altri

SLAM by Officine Robotiche
23
Officine Robotiche ha un robot in grado di eseguire
correttamente gli algoritmi di Navigazione, Localizzazione e
Mappatura di un ambiente sconosciuto, risolvendo il problema
dello SLAM
4UDE di Raffaello Bonghi

Dal 2D al 3D [1/2]
25
Utilizzando un sensore 3D combinato con una telecamera lo SLAM
diventa un mezzo per creare mappe 3D da usare per visitare
virtualmente un ambiente remoto

Dal 2D al 3D [2/2]
26
Le cose però si complicano: molti più punti da elaborare e
memorizzare, informazioni di colore da gestire.
Serve molta potenza di calcolo in più!

Conclusioni
28
●
Lo SLAM richiede robot avanzati e molto
potenti
●
Lo SLAM richiede precisione nelle misure
●
Lo SLAM richiede precisione nei
movimenti
●
Lo SLAM si può fare!
Vi ho nascosto tante cose complicate........

The End!
OR
THANK YOU FOR YOUR
ATTENTION!
Walter Lucetti
http://myzharbot.robot-home.it
GitHub
@myzhar
Youtube
Myzhar
Twitter
@myzhar
Facebook
robothome
29

SLAM

Recomendados

Recomendados

Mais conteúdo relacionado

Semelhante a SLAM

Semelhante a SLAM (20)

Último

Último (9)

SLAM