22 Perdus dans l’espace ! Localisation et cartographie (à venir)
Damith Herath
Ce chapitre sera disponible dès que la traduction du chapitre original sera terminée.
Table des matières
1 Objectifs d’apprentissage
2 Introduction
Le point de vue de l’industrie : Guillaume Charland-Arcand
3 Problème de localisation des robots
3.1 Localisation basée sur l’odométrie
3.2 Odométrie basée sur l’IMU
3.3 Odométrie visuelle
3.4 Localisation par carte
4 Le problème de la cartographie des robots
4.1 Cartes de grille d’occupation
4.2 Autres types de cartes
5 Le problème de la localisation et de la cartographie simultanées (SLAM)
5.1 Approche théorique de l’estimation des problèmes de localisation, de cartographie et de SLAM
6 Le filtre de Kalman
6.1 Filtre de Kalman linéaire à temps discret
Étude de cas
6.2 Le filtre de Kalman étendu (EKF)
6.3 Association de données
7 Une étude de cas : Localisation d’un robot à l’aide du filtre de Kalman étendu
7.1 Hypothèses
7.2 Dérivation de l’algorithme de localisation basé sur l’EKF
8 Résumé
9 Questions de révision
10 Autres lectures
Références
Objectifs d’apprentissage
– Le problème de localisation du robot
– Le problème de cartographie du robot
– Le problème de localisation et de cartographie simultanées (SLAM)
– Les techniques courantes d’estimation d’état probabiliste
– Le filtre de Kalman et le rôle du filtre de Kalman étendu en tant qu’estimateur d’état récursif dans les systèmes non linéaires. d’état récursif dans les systèmes non linéaires.
