Comment modéliser le bruit dans le retour d'un capteur de portée?


10

Les capteurs de distance (par exemple sonar, infrarouge et lidar) sont notoirement bruyants. Comment puis-je caractériser les caractéristiques du bruit pour les inclure dans un modèle de capteur de localisation probabiliste?

Réponses:


8

Ce sujet est assez bien couvert dans le livre Probabilistic Robotics de Thrun et. Al. Je n'ai pas de référence directe, mais certains de ses articles (comme Robust Monte Carlo Localization for Mobile Robots , pdf ) contiennent essentiellement les mêmes informations. Habituellement, ce qui est utilisé est un modèle d'erreur mixte, où la fonction de densité de probabilité se compose de différentes parties

  • Une erreur gaussienne autour de la lecture de la distance réelle
  • Une partie qui explique les faux positifs comme les obstacles dynamiques et ainsi de suite. C'est plus grand avec des distances plus petites.
  • Une partie constante qui tient compte des lectures faussement négatives, où le capteur donne une lecture hors plage.

Le modèle doit être adapté à votre capteur et à votre application.


3

Presque tout le monde suppose que le bruit est gaussien car de cette façon, les calculs sont relativement faciles.

Si vous le vouliez vraiment, vous pourriez déterminer expérimentalement la distribution du bruit du capteur, y adapter un modèle et l'utiliser, mais cela représenterait beaucoup de travail pour potentiellement aucun gain.

En utilisant notre site, vous reconnaissez avoir lu et compris notre politique liée aux cookies et notre politique de confidentialité.
Licensed under cc by-sa 3.0 with attribution required.