Введение в модели движения, такие как модель велосипеда, метод одометрии для расчета нового положения транспортного средства и скорости рыскания.
Добро пожаловать в эту среднюю статью о моделях движения. Модели движения учитывают физику транспортного средства. Так что когда у нас есть машина, например, и мы даём газу, она не едет боком, она едет определённым образом вперёд и может вращаться по кругу. Математика, согласно которой движутся транспортные средства, называется моделью движения.
Зачем они нам? Ну, они облегчают прогнозирование. Они также облегчают отслеживание и выполнение таких вещей, как локализация, а не только прогнозирование, и теперь мы собираемся углубиться в это, изучая модель движения, называемую моделью велосипеда.
Введение
Всем привет. Добро пожаловать в эту среднюю статью. В этой статье мы рассмотрим движение транспортных средств и модели движения, чтобы мы могли предсказать, где будет наш беспилотный автомобиль в будущем. Модели движения являются важной частью многих алгоритмов локализации. Например, модели движения используются на шаге прогнозирования в байесовских методах. После этой статьи вы сможете применить модель велосипеда для оценки положения автомобиля с учетом данных датчика, таких как количество оборотов колеса, скорость и/или скорость рыскания. Теперь давайте начнем с физики. Чтобы предсказать местонахождение автомобиля, нам нужно учитывать способ его движения, и для этого у нас есть модель движения велосипеда
.
Модель движения — модель велосипеда
Как движется автомобиль, можно легко продемонстрировать на модели велосипеда. Как и все другие модели, она основана на нескольких упрощающих предположениях. Во-первых, мы все игнорируем всю вертикальную динамику автомобиля, поэтому мы можем предположить, что автомобиль движется только в 2D. К сожалению, это означает отсутствие летающих машин. Далее предположим, что, как и у велосипеда, передние колеса автомобиля соединены с задними колесами жесткой балкой фиксированной длины. Здесь мы предполагаем, что два передних колеса действуют вместе, поэтому их можно эффективно представить как одно колесо, как велосипед.
То же самое относится и к двум задним колесам. Наконец, мы предполагаем, что автомобиль также управляется как велосипед, с углом поворота рулевого колеса тета и некоторой продольной скоростью в направлении, в котором движется автомобиль. Для этого автомобиля мы меняем угол поворота на pi на 8 радиан, и тогда автомобиль движется вперед со скоростью 3 метра в секунду. Мы только что узнали, как движение автомобиля можно упростить до чего-то похожего на велосипед с помощью модели движения велосипеда. Далее нам напомнят, как использовать скорость рыскания и скорость автомобиля, чтобы найти его новое положение.
Скорость рыскания
Подводя итог тому, что мы узнали из слияния датчиков, направление движения автомобиля или угол рыскания — это его ориентация. Значение Yaw часто определяется по оси x в координатах карты с положительными углами против часовой стрелки. В этой ситуации рыскание автомобиля положительное число пи больше 4 радиан. Предполагая постоянную скорость поворота и скорость, можно вывести уравнения для определения нового положения автомобиля.
Одометрия
Теперь, когда мы знаем один способ расчета нового положения автомобиля, теперь давайте рассмотрим другой метод расчета нового положения автомобиля, который называется одометрией на основе данных датчика движения. Для мобильных роботов значения одометрии исходят от датчиков, расположенных на колесе, которые измеряют, сколько раз колеса автомобиля или робота повернулись. Например, датчик на этом колесе сообщит нам, что оно дважды повернулось. Зная окружность колеса и данные одометрии, мы можем измерить пройденное расстояние. В частности, новое положение автомобиля равно начальному положению автомобиля плюс компоненты x и y значений, заданных одометром, умноженные на длину окружности колеса. Потрясающий. Теперь, зная это, я хочу, чтобы вы подумали о том, когда измерения одометрии могут не дать точной оценки местоположения.
На скользкой мокрой дороге будут ошибки в значениях одометра, потому что колеса будут проскальзывать и из-за этого они проедут меньшее расстояние, чем ожидалось. Кроме того, может быть ошибка из-за того, что колеса будут скользить во время торможения, что еще больше усугубит ошибки датчиков. Однако на сухих дорогах с твердым покрытием расстояние, пройденное колесами, будет очень близко к ожидаемой окружности колеса. Дороги с большим количеством ухабов также создают проблемы для одометрии, потому что мы предполагаем, что автомобиль движется прямолинейно в направлении своего движения. На самом деле на ухабистой дороге машина большую часть пути движется вверх и вниз, а не по прямой. На дороге с большим количеством поворотов одометрия колес работает хорошо, потому что даже при изменении курса автомобиля он все еще перемещается на ожидаемое расстояние в направлении своего рыскания. Обратите внимание, что, несмотря на то, что векторы расстояния для автомобиля находятся под разными углами рыскания, сумма абсолютной величины всех векторов равна ожидаемому пройденному расстоянию.
использованная литература
- Основы компьютерного зрения — самоуправляемые автомобили (поиск полос движения)
2. Введение в нейронные сети для беспилотных автомобилей (основные понятия, часть — 1)
3. Введение в нейронные сети для беспилотных автомобилей (часть фундаментальных концепций — 2)
4. Введение в глубокое обучение для самоуправляемых автомобилей (часть — 1)
5. Введение в глубокое обучение для самоуправляемых автомобилей (часть 2)
6. Введение в сверточные нейронные сети для беспилотных автомобилей
7. Введение в Keras и трансферное обучение для самоуправляемых автомобилей
8. Введение в Sensor Fusion для беспилотных автомобилей
9. Введение в локализацию беспилотных автомобилей
10. Введение в функциональную безопасность беспилотных автомобилей
На этом мы подошли к концу этой статьи. Спасибо, что прочитали это и последовали за нами. Надеюсь, вам понравилось! Большое спасибо за прочтение!
