Ratslam
-
Upload
rafael-pinto -
Category
Technology
-
view
309 -
download
0
Transcript of Ratslam
RatSLAM
Rafael C.P.
RatSLAM
Algoritmo bioinspirado
Baseado nas head, place e grid cells identificadas no hipocampo dos ratos
Modela com redes neurais dinmicas
Usa apenas uma web cam como sensor
Roda em tempo real em um notebook
Mapeamento topolgico
Modelo Hipocampal
Head Cells: cada neurnio representa 1 ngulo diferente
Clulas excitam clulas prximas e inibem clulas distantes
Movimento excita e inibe clulas
Inibio global
Extremidades so conectadas
Modelo Hipocampal
O resultado aps vrias iteraes um pacote de ativaes prximas, com formato similar a uma Gaussiana
Modelo Hipocampal
Local View Cells excitam Head Cells
Similar ao passo de de correo de localizao baseada nos sensores em robtica
Todo mesmo racioncnio para Place Cells, mas 2D
RatSLAM
3 mdulos:Local View Cells: armazenam templates de imagens observadas
Pose Cells: unio das Head Cells com Place Cells, 3D
Experience Map: guarda associaes e transies
Pose Cells
Mapa 3D de poses
Cada face do cubo ligada com a face opostaPermite mapas de tamanho ilimitado, mas compartilha diferentes locais em uma mesma clula
Pose Cells
Exctitao e inibio lateral
Aritmtica modular para levar em conta as extremidades conectadas
Inibio idntica excitao mas com sinal oposto e com inibio global
Pose Cells + Motion
Ao contrrio do modelo biolgico que incorpora a informao de movimento atravs de excitaes e inibies neurais, RatSLAM simplifica e agiliza o processo simplesmente deslocando as ativaes diretamente, como feito comumente em robtica
Local View + Pose Cells
Matriz de associaes atualizada com aprendizado Hebbiano (fire together, wire together)
Local View Cells excitam as pose cells atravs de suas associaes
Experience Map
Guarda associaes de Local View e Place Cells que ocorrem simultaneamente
Guarda tambm pose obtida pela odometria no momento
Transies entre experincias guardam variao de pose
Experience Map
S uma medida de distncia / similaridade entre 2 experincias
Ao ultrapassar um limiar, uma nova experincia criada
Caso contrrio, as experincias so atualizadas (correo da pose)
Viso
Odometria visual
Apenas pedaos das imagens obtidas so usados
A: Template Matching para Local View Cells
B: Estimao de Rotao
C: Estimao de velocidade
Rotao
Imagem (tons de cinza) reduzida a um vetor 1D com a mdia de intensidade de cada coluna
Vetores subsequentes so comparados com vrios alinhamentos e o melhor selecionado como estimativa da rotao
Velocidade
Vetores subsequentes j alinhados pela rotao so comparados
Estimativa de velocidade dada por uma funo de distncia das intensidades absolutas dos vetores
Template Matching
Os vetores de intensidade alinhados tambm so usados no template matching
Experimento - Setup
Apenas um notebook com web cam fixado no topo de um carro
Trajeto de 66km
100min
rea de 3km x 1,6km
Exemplos
Imagens observadas pelo sistema ao longo do experimento
Resultados - Loop Closures
Diferena entre variao de pose armazenada nas transies e pose relativa entre experincias
Picos = loop closures
Rotao
Estimao de rotao foi muito boa (o problema est na velocidade)
Velocidade
Velocidade estimada ao longo de um trecho em que a velocidade real era constante
Maior fonte de erro (40%), mas ainda tolervel
Outros mdulos do algoritmo compensam
Pose Cells
Informao das Local View Cells cria novo pacote de ativaes
Ao longo de 6s esse pacote se torna dominante, e a informao antiga desaparece
Similar ao passo de atualizao baseada nos sensores comum em robtica
Pose Cells
Os mesmos neurnios representam mais de um local no mapa, devido natureza cclica da rede neural usada
Outros mdulos acabam corrigindo ambiguidades
Local View Cells
Novos templates vo sendo criados e ativados
Locais j visitados tornam a ativar neurnios j existentes
Local View Cells
Regies do mapa com aparncia (visual) similar so representadas pelas mesmas Local View Cells
Interao com os outros mdulos retira ambiguidade
Processamento
Parmetros
Resultados
Resultados
Vdeo
http://www.youtube.com/watch?v=-0XSUi69Yvs
Referncias
Milford, M.J. and Wyeth, G.F - Mapping a Suburb With a Single Camera Using a Biologically Inspired SLAM System - IEEE TRANSAC TIONS ON ROBOTICS, VOL. 24, NO. 5, OCTOBER 2008
Muokkaa otsikon tekstimuotoa napsauttamalla
Muokkaa jsennyksen tekstimuotoa napsauttamallaToinen jsennystasoKolmas jsennystasoNeljs jsennystasoViides jsennystasoKuudes jsennystasoSeitsems jsennystasoKahdeksas jsennystasoYhdekss jsennystaso