Präsentation herunterladen
Die Präsentation wird geladen. Bitte warten
Veröffentlicht von:Han Ediger Geändert vor über 10 Jahren
1
Monte-Carlo Lokalisation im RoboCup: Ein Ansatz ohne Farbklassifikation Zwischenvortrag Diplomarbeit Informatik IX TU München 23. Mai 2002 Dirk Neumann neumannd@in.tum.de Betreuer: Thorsten Schmitt, Robert Hanek
2
Agenda Probleme und Prinzipien Lösungsansatz 1 (Punkte) Lösungsansatz 2 (Halcon) Probleme II
3
Problem: ? (x, y, )
4
Bayes p (Zylinder|pose) ? Bildmodell: p (pose [t+1]) p (image|pose) p (pose [t]) Odometriemodell: p (pose [t+1]) p ( pose) p (pose [t]) pose [t+1] = pose [t] + pose
5
Agenda Probleme und Prinzipien Lösungsansatz 1 (Punkte) Lösungsansatz 2 (Halcon) Probleme II
6
Lösung 1: Punktmodell
7
Lösung 1: Farbmodell
8
Lösung 1: Likelihood p (image|pose) = [p (color|pixel)]
9
Lösung 1: Likelihood
10
Agenda Probleme und Prinzipien Lösungsansatz 1 (Punkte) Lösungsansatz 2 (Halcon) Probleme II
11
Lösung 2: Halcon
12
p (image|pose) = [max (p (dist|marker))]
18
Agenda Probleme und Prinzipien Lösungsansatz 1 (Punkte) Lösungsansatz 2 (Halcon) Probleme II
19
Korrelation zwischen Merkmalen Symmetrie der Likelihood Linien, Rasen? Positionsschätzung aus Partikelverteilung
20
Zusammenfassung Farbverteilung Bayes-Filterung + Monte-Carlo-Methode Halcon-Ansatz scheint zu funktionieren Punktmodellierung ?
22
Vielen Dank. Manchester U
23
Mechatronik, DLR
24
Gegenfarbraum
25
Spielfeldmodell
Ähnliche Präsentationen
© 2024 SlidePlayer.org Inc.
All rights reserved.