本文翻譯自openslam上的這篇文章

概念

GMapping是一種高效的Rao-Blackwellized粒子濾波器用于根據激光距離數據得出珊格地圖.

作者

Giorgio Grisetti(主頁); Cyrill Stachniss(主頁); Wolfram Burgard(主頁);

svn地址

簡介

最近Rao-Blackwellized粒子濾波器作為高效的方法被引入用于解決SLAM問題.這種方法使用了一個粒子濾波器,每一個粒子都加載了環境中的一張單獨的地圖.因此,關鍵的問題就是:如何減少粒子的數目.我們介紹了自適應技術,這項技術用于在建立珊格地圖的過程中減少Rao-Blackwellized粒子濾波器中的粒子數目.我們提出一種方法用于計算精確的分布方案,不僅考慮到機器人的運動,而且考慮到了最近的觀測.這個方法不幅度減少機器人在濾波器的預測步驟中的姿態不確定性.此外,我們提供一種方法用于選擇性的進行重采樣操作,這個操作可以顯著的減少粒子消耗問題.

示例

弗萊堡大學校園:

Map of the MIT Killian Cour:

接收的數據

本方法使用激光距離數據和里程計.這個版本優化了長距離激光傳感器,比如SICK LMS 和 PLS scanner.短距離傳感器比如Hokuyo scanner如果使用標準參數設置將不能得到很優的結果.

日志格式

Carmen日志格式

地圖類型

grid maps

軟硬件需求

相關論文

Giorgio Grisetti, Cyrill Stachniss, and Wolfram Burgard: ImPRoved Techniques for Grid Mapping with Rao-Blackwellized Particle Filters, IEEE Transactions on Robotics, Volume 23, pages 34-46, 2007

Giorgio Grisetti, Cyrill Stachniss, and Wolfram Burgard: Improving Grid-based SLAM with Rao-Blackwellized Particle Filters by Adaptive Proposals and Selective Resampling, In Proc. of the IEEE International Conference on Robotics and Automation (ICRA), 2005

更多的內容

A. Doucet: On sequential simulation-based methods for bayesian filtering, Technical report, Signal Processing Group, Dept. of Engeneering, University of Cambridge, 1998