roboforum.ru

Vorral писал(а):"составить достаточно точную его карту" ?? "SLAM не решает задачу obstacle-avoidance (избегания препятствий)"
Эти выражения не могут существовать одновременно!

они уже сужествуют в наших умах))и нас это не беспокоит))

Добавлено спустя 4 минуты 1 секунду:

Vorral писал(а):Хорошо, робот на улице, ну ка скажи ты будешь рыскать по всей улице включая поиск препятсвий во всех ямах, для построения карты этой улицы?? Извини, но идея бредовая. Потому как если задаться целью сделать карту, например лазерами, то уже твои светодиоды нафиг не нужны, так как мы и так будем всегда знать где препятствия. А если имеем светодиоды, то ни о какой карте уже не идёт речь.

плин тебе не надоело критику разводить?))ты чтонить созидательное чтоли уже преждложи)
карта у нас улици уже есть скачали тупо с яндекаса!!и распознали ее на АВР!!
ты это на микроконтролере карты то давай не проверяй ладна?)))

>ты чтонить созидательное чтоли уже преждложи)
Уже предлагал, той же лазерной указкой. Скажу больше, для себя я уже решил эту проблему стереозрением(где изначально мне известна стереобаза, т.е. расстояние между камерами, на ней всё и основывается и эта величина не изменяется сама по себе).

Добавлено спустя 1 час 35 минут 19 секунд:
Как робот уборщик рисует карту с помощью SLAM:
http://www.youtube.com/watch?v=bq5HZzGF3vQ

Добавлено спустя 5 минут 47 секунд:
Вот я и считаю, что брать на таран стены не самый лучший подход, лучше это сделать безконтактно, т.е. дальномером(такой вариант в отличии от ик бамперов сократит кол-во движений на порядок и может дать большую точность ). Зачем лишний раз портить стены?

Очевидно, что робот с камерой и шасси (которое умеет передвигаться, а значит передвигать камеру) может сэмулировать стереобазу.

Я уже писал по этому поводу, что не одно шасси не может дать гарантии перемещения с абсолютной точностью, так как это ляжет на плечи энкодеров. А даже небольшие промахи(а ещё хуже не точная параллельность движения), чреваты большой разницой в результате. Не говоря, что за это время часть объектов типа людей, может переместится тоже. А мне проще один раз фоткнул и всё без сомнений и ДВИЖЕНИЙ(что тоже при некоторых ситуациях невозможно или не желательно).

Я уже писал по этому поводу, что не одно шасси не может дать гарантии перемещения с абсолютной точностью

Это и не нужно, много перемещений, много движений, "в среднем" - получится очень неплохо, даже с субпиксельной точностью.
Не будем забывать, что на стереопару тоже есть _куча_ ограничений. Как и на ЛЮБОЙ другой способ.

Ну не знаю как у кого, у меня нет проблем с расстояниями как я и написал выше. В моих планах уже всё "уложено" и обдуманно, дело только за временем. Лучше подскажи какую идею EDV и Dead'у, которая поможет им с навигацией.

Vorral писал(а):Да, не альтернатива это, а те же яйца только в профиль. EDV пускай не очень качественно, но решил проблему отслеживания перемещений. Я про то, что и SLAM делает тоже самое, а ДАЛЬШЕ то что? Вопрос то остаётся, как построить карту помещения?

Фига себе "те же яйца". Еще как есть разница. Я же сказал - SLAM со временем уничтожает погрешности, а то что предложил EDV - накапливает.

Добавлено спустя 4 минуты 17 секунд:

Vorral писал(а):Ну не знаю как у кого, у меня нет проблем с расстояниями как я и написал выше. В моих планах уже всё "уложено" и обдуманно, дело только за временем. Лучше подскажи какую идею EDV и Dead'у, которая поможет им с навигацией.

да не надо нам ничего подсказывать волшебного - есть оптикал-флоу, есть версии SLAM которые вроде даже под карту препятствий адаптированы и позволяют её строить. Но их пока не копал. В любом случае - человек скорее всего спокойно сможет ориентироваться по 1 камере => робот тоже должен смочь ориентироваться по 1 камере. Как бы это не оскорбляло твои чувства по отношению к стереозрению оно не панацея. Хотя безусловно - оно важно и даёт свои бонусы. Так что твой подход никто не обижает, но и к списку "без него мы все умрём" тоже не стоит его причислять

ЕДВ !!но мои вспомгалки как раз и облегчают работу с прямым видео!!за счет перекладывания размывания краев кадра с контролера на оптику,почти идеальный аналог зрения человека, не вижу что такое там, но оно шевельнулось(ну насколько- это можно выяснить при рассмотрении более детальном),если важно и или любопытно повернусь и рассмотрю)),а твое 80*80 это плин до дури сенсоров!!6400 штук ты меня СПАС!!

Добавлено спустя 53 минуты 7 секунд:

Vorral писал(а):Мда. А ты никогда не задумывался над тем, что решить задачу можно несколькими способами? И не думал о том, что эти способы могут с разной эффективностью решать поставленную задачу?? Я как раз и сказал, что предложенный тобой способ не стоит рассмотрения, так как основывается на одном и том же принципе, со своими погрешностями. А именно - замер изменения перемещения в относительных координатах, и от того что ты проедешь 1 метр(или десять раз по одному метру, это не важно) и вычислишь это в с помощью энкодера, при этом увидев, например приблизившееся на сколько то процентов дерево, не сможешь измерить расстояние не до дерева, так же как и не сможешь описать габариты дерева. Как же это не понятно то??

Добавлено спустя 12 минут 45 секунд:
а нам сверх точно и не надо ,надо точно не врезаться в препятствие)

Что-то я сунулся взять готовый SLAM на базе Extended Kalman Filter и обнаружил, что они все почти на Mathlab'е
Я в шоке. Придется видимом самому писать

Кстати, вот тут товарищ SLAM на базе видео вроде разбирает: http://www.doc.ic.ac.uk/~ajd/index.html

Вроде в OpenCV все функции для работы с матрицами есть, так что особых проблем с реализацией Калмана или простейшего SLAM на базе калмана быть не должно.

Добавлено спустя 16 минут 52 секунды:
Я дятел в OpenCV же уже реализован Калман функции:

cvCreateKalman
cvKalmanPredict
cvKalmanCorrect
cvReleaseKalman

В том числе доступны для модификации на каждом шаге матрицы F и B, так что можно реализовывать EKF, что, впрочем, неудивительно.

Добавлено спустя 16 минут 22 секунды:
Надо начать тогда видимо расписывать эти матрицы для нашего случая.

Брать видимо будем для начала двухмерный случай, потом добавим 3-ю координату, точность должна будет повыситься.

Итак, что у нас будет:

1. Информация об управляющем воздействии - как изменились по нашему ощущению наши координаты и на сколько мы повернулись;
2. Информация об видимых маяках - их номера в нашем банке памяти и координаты относительно робота.

Та и другая информация будет снабжена матрицей оценки погрешностей, с которыми измерены эти координаты.

Кроме того будет матрица применения управляющего воздействия к вектору описывающему состояние системы и матрица наблюдения, позволяющая сопоставить измерения относительно робота с вектором состояния системы.

Тут лучше расписывать или отдельную тему открыть?

В практических применениях меня бы, честно, беспокоили не сами методы
(как =Dead= правильно говорит - они теоретически есть),
а работоспособность этих методов в условиях реального мира
и естественного (и меняющегося) освещения.

Я вот сильно не уверен, что теоретические построения будут уверенно работать
в условиях бликов и теней - они могут быть хорошими контрастными ориентирами
с точки зрения алгоритма, однако определять расстояние до блика или до
собственной тени - глупо - они перемещаются вместе с наблюдателем.

Смущает так же распространенность в реальном мире периодических регулярных изображений
или просто одинаковых объектов (рисунок обоев, кирпичная кладка и т.д.).
Как будет работать тот же AVM при наличии более чем одного ключа-ядра в кадре?

2Michael_K: Вот поэтому я и говорю, что одной из реальных проблем будет выбор устойчивых меток на кадре, которые никуда не будут разваливаться при перемещении робота. Первичный вариант выбора меток я уже предлагал - взять 3 кадра сделанные роботом, который проехал примерно по 20см 2 раза, проверить какие хорошие образы с 1 кадра не распались на 2-3 кадре. Оценить примерно расстояние до них и вот на базе этого двинуться дальше.

По поводу периодически повторяющихся образов - есть версии SLAM которые могут на неразличимых маяках работать и даже есть версии, которые работают на информации с дальномеров (только у них там лазерные сканеры).

Первичный вариант выбора меток я уже предлагал - взять 3 кадра сделанные роботом, который проехал примерно по 20см 2 раза, проверить какие хорошие образы с 1 кадра не распались на 2-3 кадре.

Идея верная, но мне кажется, что тремя кадрами ограничиться не удастся.
Это, конечно, только практика покажет...

Я понимаю, что СЛАМ - это очень общее название задачи, методы разные можно применять,
но у вас, вроде бы уже "устаканилось" более-менее конкретное решение

У меня устаканилось простейшее решение, которое я знаю как скрестить с AVM и как реализовать (ну более менее), а дальше куда двинемся - пока не определено, там куча вариантов усложнения SLAM'а.

Добавлено спустя 6 минут 47 секунд:
По поводу того, что не удастся ограничиться 3 кадрами - не вопрос, можно потом выкинуть метку из работы, если она развалилась и ясно, что на неё опираться смысла нет дальше. Можно определить, что метку включаем в работу и пересчитываем Калмана по ней за последние 5 итераций, только если она 5 раз в кадре не развалилась. И т.п.

MonoSLAM

Вот она - "краткость - сестра" спасибо за актуальный линк!