Hallo Damfino,
"Wie oft wurde der Keller abgefahren? Kann mir vorstellen dass das mit nur 1 Durchgang nicht genau wird. SLAM sollte bei jedem Durchgang die Positionen der Hindernisse vermessen und die Karte korrgieren bzw erweitern."
Das Problem ist, dass meiner Ansicht nach der SLAM-Algorithmus den Flaschenhalsfehler nicht systematisch angehen kann, wenn der Bezug zwischen zwei Kartenteilen auf zu geringen Datenmengen basiert (z.B. nur ein Türdurchgang, der zwei größere Kartenteile miteinander verbindet).
Startpunkt: Dort sollte doch schwarze und blaue Linie identisch starten, oder sehe ich das nicht?
Schlecht zu erkennen, Die blaue Linie überlagert hier die schwarze.
Ist beim Flaschenhals ein Hinderniss (Rohre, andere Oberfläche) das die Messung verfälscht?
Es ist eigentlich der Übergang zwischen Kellerflur und Waschküche, in dem ich "GUTE BEZUGSPUNKTE" verliere.
Wie schaut der Roboter aus, wie ist der Messaufbau?
Odometrie ok
Kompass?
Radar?
Zwei Motoren mit Inkrementalgebern (2,1mm Schrittauflösung, 40 cm Radabstand), geregelter Beschleunigungs-/Bremsrampe sowie angenäherte Berücksichtigung der Regelungsabweichungen in den Odometriedaten geben eine schon "gute" Annäherung (Im Beispielbild oben bin ich ca. 40m Strecke gefahren).
Weniger gut sind die Daten des Rundumsensors (128 Scans/ 360°), basierend auf zwei Sharp-Distanzsensoren (20..150cm, 100..550cm fusioniert). Die haben einerseits erhebliche Messfehler auf größere Distanz, andererseits beinhalten sie auch so einige zu filternde Fehlmessungen an reflektierenden Flächen (jo, ich war auch überrascht, dass eine grau gestrichene Metalltür ein reflektierendes Objekt ist)
Kompass habe ich nicht, weil ich keinen Weg gefunden habe, Fehler durch elektromagnetische Felder (Waschmaschinenmotor, Heizung, Metall, Leitungen,...) auszuschließen.
Ich reduziere das Problem noch mal aufs Wesentliche:
Wenn ich aus einem sehr großen Raum (Bezugspunkte durch Lidar o.Ä. nur an einer Wand messbar) durch einen Türdurchgang in einen zweiten sehr großen Raum fahre, wird die Lage beim durchqueren des Türdurchganges alleine an den Türflanken festgemacht (2 kurze Linien). Wenn jetzt diese beiden Linien auch nur ein wenig falsch in die Map eingetragen werden (Winkelfehler <1°), ergibt dies für absolute Positionen im zweiten Raum später doch einen relativ großen Fehler.
Die Grafik zeigt meinen Flaschenhals: Ausgehend von A hat der Robbi gute Bezugsmessungen (schwarze Linie) bis B
Bei B sind die vorhergehenden Bezugspunkte mit Ausnahme der beiden kurzen grünen Linien nicht mehr verwendbar. Sind diese beiden Linien nur etwas ungenau, liegen alle folgenden Messungen (blaue Linie) und die eingetragene Position um den Winkelfehler aus der Messung von B falsch.
Die Erkennung des Fehlers und dessen Korrektur kann frühestens an C erfolgen. Entweder orientiert sich der Algorithmus nun an den Matches der Messungen zwischen A und B, trägt neue Punkte sozusagen als 0-Wandstärke ein und korrigiert die Position entsprechend oder, wenn es ein Linienalgorithmus ist, kann die Syntax maximal sagen: "Oh, hier liegen zwei gegengerichtete Linien übereinander, das ist nicht plausibel"
Ein auf MonteCarlo basierender SLAM-Algorithmus KÖNNTE die richtige Lage des Türdurchganges als Partikel für einen gewissen Zeitraum beinhalten. Allerdings ist die Wahrscheinlichkeit, dass genau dieser Partikel durch höher gewichtete Alternativen vernichtet wird, genauso groß, wie der Erhalt der richtigen Alternative. Aus praktischen Gründen entwirft ein solcher Algorithmus ja nur eine festgelegte Anzahl von Altenativmaps und ggf. fliegt die richtige Alternative schon aus dem Map-Pool heraus, bevor der Fehler erkennbar wird.
Zitieren
Lesezeichen