Simultaneous localization and mapping using single cluster probability hypothesis density filters

Autor/a

Lee, Chee Sing

Director/a

Salvi, Joaquim

Clark, Daniel

Data de defensa

2015-09-01

Dipòsit Legal

Gi. 1991-2015

Pàgines

146 p.



Departament/Institut

Institut de Recerca en Visió per Computador i Robòtica

Universitat de Girona. Arquitectura i Tecnologia de Computadors

Resum

The majority of research in feature-based SLAM builds on the legacy of foundational work using the EKF, a single-object estimation technique. Because feature-based SLAM is an inherently multi-object problem, this has led to a number of suboptimalities in popular solutions. We develop an algorithm using the SC-PHD filter, a multi-object estimator modeled on cluster processes. This algorithm hosts capabilities not typically seen with feature-base SLAM solutions such as principled handling of clutter measurements and missed detections, and navigation with a mixture of stationary and moving landmarks. We present experiments with the SC-PHD SLAM algorithm on both synthetic and real datasets using an autonomous underwater vehicle. We compare our method to the RB-PHD SLAM, showing that it requires fewer approximations in its derivation and thus achieves superior performance.


En aquesta tesis es desenvolupa aquest algoritme a partir d’un filtre PHD amb un únic grup (SC-PHD), una tècnica d’estimació multi-objecte basat en processos d’agrupació. Aquest algoritme té unes capacitats que normalment no es veuen en els algoritmes de SLAM basats en característiques, ja que és capaç de tractar falses característiques, així com característiques no detectades pels sensors del vehicle, a més de navegar en un entorn amb la presència de característiques estàtiques i característiques en moviment de forma simultània. Es presenten els resultats experimentals de l’algoritme SC-PHD en entorns reals i simulats utilitzant un vehicle autònom submarí. Els resultats són comparats amb l’algoritme de SLAM Rao-Blackwellized PHD (RB-PHD), demostrant que es requereixen menys aproximacions en la seva derivació i en conseqüència s’obté un rendiment superior.

Paraules clau

Vehicles autònoms; Autonomous vehicles; Vehículos autónomos; Vehículos sumergibles; Vehicles submergibles; Submersibles; Vehicles autònoms submarins; Vehículos autónomos submarinos; Underwater autonomous vehicles; Localització i construcció de mapes de forma simultània; SLAM; Simultaneous localization and mapping; Localización y mapeo simultáneo; Estimació multi-objecte; Multi-object estimation; Estimación multi-objeto; Probability hypothesis density filters; Finite set statistics

Matèries

62 - Enginyeria. Tecnologia; 68 - Indústries, oficis i comerç d'articles acabats. Tecnologia cibernètica i automàtica

Documents

tcsl1de1.pdf

5.821Mb

 

Drets

L'accés als continguts d'aquesta tesi queda condicionat a l'acceptació de les condicions d'ús establertes per la següent llicència Creative Commons: http://creativecommons.org/licenses/by/3.0/es/
L'accés als continguts d'aquesta tesi queda condicionat a l'acceptació de les condicions d'ús establertes per la següent llicència Creative Commons: http://creativecommons.org/licenses/by/3.0/es/

Aquest element apareix en la col·lecció o col·leccions següent(s)