12: РГБ-Д ШОЛОМ
- Page ID
- 32123
\( \newcommand{\vecs}[1]{\overset { \scriptstyle \rightharpoonup} {\mathbf{#1}} } \) \( \newcommand{\vecd}[1]{\overset{-\!-\!\rightharpoonup}{\vphantom{a}\smash {#1}}} \)\(\newcommand{\id}{\mathrm{id}}\) \( \newcommand{\Span}{\mathrm{span}}\) \( \newcommand{\kernel}{\mathrm{null}\,}\) \( \newcommand{\range}{\mathrm{range}\,}\) \( \newcommand{\RealPart}{\mathrm{Re}}\) \( \newcommand{\ImaginaryPart}{\mathrm{Im}}\) \( \newcommand{\Argument}{\mathrm{Arg}}\) \( \newcommand{\norm}[1]{\| #1 \|}\) \( \newcommand{\inner}[2]{\langle #1, #2 \rangle}\) \( \newcommand{\Span}{\mathrm{span}}\) \(\newcommand{\id}{\mathrm{id}}\) \( \newcommand{\Span}{\mathrm{span}}\) \( \newcommand{\kernel}{\mathrm{null}\,}\) \( \newcommand{\range}{\mathrm{range}\,}\) \( \newcommand{\RealPart}{\mathrm{Re}}\) \( \newcommand{\ImaginaryPart}{\mathrm{Im}}\) \( \newcommand{\Argument}{\mathrm{Arg}}\) \( \newcommand{\norm}[1]{\| #1 \|}\) \( \newcommand{\inner}[2]{\langle #1, #2 \rangle}\) \( \newcommand{\Span}{\mathrm{span}}\)
Датчики діапазону стали одним з найефективніших датчиків, щоб зробити роботів автономними. На відміну від бачення, дані дальності роблять побудову 3D-моделі навколишнього середовища робота простим, а датчик Velodyne, який об'єднує 64 скануючих лазерів в одному пакеті, був ключовим у освоєнні DARPA Grand Challenge. 3D-дані діапазону стали ще важливішими в робототехніці з появою дешевих ( за ціною в десяту, ніж найдешевший 2D лазерний сканер) RGB-D (кольорове зображення плюс глибина) камери. Дані хмари точок дозволяють підгонку ліній за допомогою RANSAC, які можуть служити функціями локалізації на основі EKF, але також можуть бути використані для поліпшення одометрії, виявлення замикання петлі та відображення. Цілями цієї глави є
- представити алгоритм ітераційної найближчої точки (ICP)
- показати, як ICP можна вдосконалити, надаючи початкові здогадки через RANSAC
- показати, як функції SIFT можуть бути використані для поліпшення вибору точки і замикання петлі в ICP для досягнення відображення RGB-D