Êtes-vous un étudiant de l'EPFL à la recherche d'un projet de semestre?
Travaillez avec nous sur des projets en science des données et en visualisation, et déployez votre projet sous forme d'application sur Graph Search.
Cette séance de cours couvre les sources d'erreur dans l'odométrie, y compris les sources déterministes comme la résolution limitée de l'encodeur et le désalignement des roues, et les sources non déterministes comme les variations des points de contact des roues. Il traite également de la localisation basée sur les caractéristiques, de l'algorithme Kalman Filter pour la fusion des processus bruyants et de la détection, et de la propagation du bruit d'actionneur pour poser le bruit. La séance de cours met l'accent sur l'importance de la modélisation de l'erreur d'odométrie et de l'erreur du capteur, et fournit des informations sur le filtre Kalman pour la fusion des capteurs. Divers exemples et modèles sont présentés pour illustrer les concepts.