Upload
han-ediger
View
105
Download
1
Embed Size (px)
Citation preview
Monte-Carlo Lokalisation im RoboCup: Ein Ansatz ohne Farbklassifikation
Zwischenvortrag Diplomarbeit
Informatik IX
TU München
23. Mai 2002 Dirk [email protected]
Betreuer:Thorsten Schmitt, Robert Hanek
Agenda
Probleme und Prinzipien
Lösungsansatz 1 (Punkte)
Lösungsansatz 2 (Halcon)
Probleme II
Problem:
?(x, y, )
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
Agenda
Probleme und Prinzipien
Lösungsansatz 1 (Punkte)
Lösungsansatz 2 (Halcon)
Probleme II
Lösung 1: Punktmodell
Lösung 1: Farbmodell
Lösung 1: Likelihood
• p (image|pose) = [p (color|pixel)]
Agenda
Probleme und Prinzipien
Lösungsansatz 1 (Punkte)
Lösungsansatz 2 (Halcon)
Probleme II
Lösung 2: Halcon
Lösung 2: Halcon
• p (image|pose) = [max (p (dist|marker))]
Agenda
Probleme und Prinzipien
Lösungsansatz 1 (Punkte)
Lösungsansatz 2 (Halcon)
Probleme II
Probleme II
Korrelation zwischen Merkmalen
Symmetrie der Likelihood
Linien, Rasen?
Positionsschätzung aus Partikelverteilung
Zusammenfassung
Farbverteilung
Bayes-Filterung + Monte-Carlo-Methode
Halcon-Ansatz scheint zu funktionieren
Punktmodellierung ?
Vielen Dank.Vielen Dank.
Manchester U
Mechatronik, DLR
Gegenfarbraum
Spielfeldmodell