投稿一覧に戻る アイサンテクノロジー(株)【4667】の掲示板 2024/03/27〜 159 Dream 強く売りたい 4月22日 05:50 >>158 Kudanは一瞬で読み取った点群から 自己位置推定とマッピング(SLAM)を同時にやってのけてる企業である。 点群生成するだけなら、点群に色付けするだけなら3流企業でも出来る。 SLAMとは? SLAMの作り方 https:// jp.mathworks.com/help/nav/ug/perform-lidar-slam-using-3d-lidar-point-clouds.html 3 次元 LiDAR 点群を使用した SLAM の実行 ※一部抜粋 この例では、点群処理アルゴリズムと姿勢グラフの最適化を使用して、収集された 3 次元 LiDAR センサー データに "自己位置推定と環境地図作成の同時実行" (SLAM) アルゴリズムを実装する方法を説明します。この例の目標は、ロボットの軌跡を推定し、3 次元 LiDAR 点群と推定された軌跡から環境の 3 次元占有マップを作成することです。 ここで示す SLAM アルゴリズムでは、正規分布変換 (NDT) に基づく点群レジストレーション アルゴリズムを使用して軌跡を推定し、ロボットが同じ場所を通るたびに信頼領域ソルバーを使用した SE3 姿勢グラフの最適化を使用してドリフトを減らします。 データの読み込みと調整可能なパラメーターの設定 ある駐車場で Clearpath™ Husky ロボットから収集した 3 次元 LiDAR データを読み込みます。この LiDAR データには、"n" 行 3 列の行列の cell 配列が格納されています。ここで、"n" は取得された LiDAR データ内の 3 次元の点の数で、列は取得された各点に関連付けられている "xyz" 座標を表します。 Get outputFolder = fullfile(tempdir,'ParkingLot'); dataURL = ['https://ssd.mathworks.com/supportfiles/lidar/data/' ... 'NatickParkingLotLidarData.tar']; pClouds = helperDownloadData(outputFolder,dataURL); 点群レジストレーション アルゴリズムのパラメーター 点群レジストレーション アルゴリズムを使用した軌跡の推定のパラメーターを指定します。maxLidarRange で 3 次元レーザー スキャナーの最大範囲を指定します。 Get maxLidarRange = 20; 屋内環境で取得された点群データには床面と天井面の点が含まれていて、点群レジストレーション アルゴリズムで混同されます。次のパラメーターにより、一部の点が点群から削除されます。 referenceVector - 床面の法線方向。 maxDistance - 床面と天井面を削除するときのインライアの最大距離。 maxAngularDistance - 床面と天井面を当てはめるときの基準ベクトルからの最大角度偏差。 Get referenceVector = [0 0 1]; maxDistance = 0.5; maxAngularDistance = 15; レジストレーション アルゴリズムの効率と精度を高めるために、randomSampleRatio で指定したサンプル比の無作為抽出を使用して点群がダウンサンプリングされます。 返信する そう思う22 そう思わない8 開く お気に入りユーザーに登録する 無視ユーザーに登録する 違反報告する 証券取引等監視委員会に情報提供する ツイート 投稿一覧に戻る 160 ハナ 4月22日 07:39 >>159 悔しいのうw 返信する そう思う5 そう思わない11 開く お気に入りユーザーに登録する 無視ユーザーに登録する 違反報告する 証券取引等監視委員会に情報提供する
Dream 強く売りたい 4月22日 05:50
>>158
Kudanは一瞬で読み取った点群から
自己位置推定とマッピング(SLAM)を同時にやってのけてる企業である。
点群生成するだけなら、点群に色付けするだけなら3流企業でも出来る。
SLAMとは?
SLAMの作り方
https://
jp.mathworks.com/help/nav/ug/perform-lidar-slam-using-3d-lidar-point-clouds.html
3 次元 LiDAR 点群を使用した SLAM の実行
※一部抜粋
この例では、点群処理アルゴリズムと姿勢グラフの最適化を使用して、収集された 3 次元 LiDAR センサー データに "自己位置推定と環境地図作成の同時実行" (SLAM) アルゴリズムを実装する方法を説明します。この例の目標は、ロボットの軌跡を推定し、3 次元 LiDAR 点群と推定された軌跡から環境の 3 次元占有マップを作成することです。
ここで示す SLAM アルゴリズムでは、正規分布変換 (NDT) に基づく点群レジストレーション アルゴリズムを使用して軌跡を推定し、ロボットが同じ場所を通るたびに信頼領域ソルバーを使用した SE3 姿勢グラフの最適化を使用してドリフトを減らします。
データの読み込みと調整可能なパラメーターの設定
ある駐車場で Clearpath™ Husky ロボットから収集した 3 次元 LiDAR データを読み込みます。この LiDAR データには、"n" 行 3 列の行列の cell 配列が格納されています。ここで、"n" は取得された LiDAR データ内の 3 次元の点の数で、列は取得された各点に関連付けられている "xyz" 座標を表します。
Get
outputFolder = fullfile(tempdir,'ParkingLot'); dataURL = ['https://ssd.mathworks.com/supportfiles/lidar/data/' ... 'NatickParkingLotLidarData.tar']; pClouds = helperDownloadData(outputFolder,dataURL);
点群レジストレーション アルゴリズムのパラメーター
点群レジストレーション アルゴリズムを使用した軌跡の推定のパラメーターを指定します。maxLidarRange で 3 次元レーザー スキャナーの最大範囲を指定します。
Get
maxLidarRange = 20;
屋内環境で取得された点群データには床面と天井面の点が含まれていて、点群レジストレーション アルゴリズムで混同されます。次のパラメーターにより、一部の点が点群から削除されます。
referenceVector - 床面の法線方向。
maxDistance - 床面と天井面を削除するときのインライアの最大距離。
maxAngularDistance - 床面と天井面を当てはめるときの基準ベクトルからの最大角度偏差。
Get
referenceVector = [0 0 1]; maxDistance = 0.5; maxAngularDistance = 15;
レジストレーション アルゴリズムの効率と精度を高めるために、randomSampleRatio で指定したサンプル比の無作為抽出を使用して点群がダウンサンプリングされます。