Skip to main content
Fachgebiete
Automobil + Motoren Bauwesen + Immobilien Business IT + Informatik Elektrotechnik + Elektronik Energie + Nachhaltigkeit Finance + Banking Management + Führung Marketing + Vertrieb Maschinenbau + Werkstoffe Versicherung + Risiko
DE
EN
Themenseiten
Organisationspsychologie Projektmanagement Marketing Smart Manufacturing
Bücher
Zeitschriften
Weitere Formate
Podcasts Webinare Technik Webinare Wirtschaft Kongresse Veranstaltungskalender Awards
Jetzt Einzelzugang starten
Zugang für Unternehmen
Referenzkunden
MTZ-Fachkongress

Antriebe und Energiesysteme von morgen


Austausch von Automobil- und Energiewirtschaft

Am 14./15. Mai geht es in Chemnitz um die Mobilitätswende durch Elektro- und Wasserstofffahrzeuge.
Erweiterte Suche
Anmelden
nach oben
Erschienen in:
Bridging the Robot Perception Gap with Mid-Level Vision Kapitel lesen Erstes Kapitel lesen

2018 | OriginalPaper | Buchkapitel

Incremental Sparse GP Regression for Continuous-Time Trajectory Estimation and Mapping

verfasst von : Xinyan Yan, Vadim Indelman, Byron Boots

Erschienen in: Robotics Research

Verlag: Springer International Publishing

Einloggen

Aktivieren Sie unsere intelligente Suche, um passende Fachinhalte oder Patente zu finden.

search-config
loading …

Abstract

Recent work on simultaneous trajectory estimation and mapping (STEAM) for mobile robots has found success by representing the trajectory as a Gaussian process. Gaussian processes can represent a continuous-time trajectory, elegantly handle asynchronous and sparse measurements, and allow the robot to query the trajectory to recover its estimated position at any time of interest. A major drawback of this approach is that STEAM is formulated as a batch estimation problem. In this paper we provide the critical extensions necessary to transform the existing batch algorithm into an extremely efficient incremental algorithm. In particular, we are able to vastly speed up the solution time through efficient variable reordering and incremental sparse updates, which we believe will greatly increase the practicality of Gaussian process methods for robot mapping and localization. Finally, we demonstrate the approach and its advantages on both synthetic and real datasets.

Sie haben noch keine Lizenz? Dann Informieren Sie sich jetzt über unsere Produkte:

Springer Professional "Wirtschaft+Technik"

Online-Abonnement

Mit Springer Professional "Wirtschaft+Technik" erhalten Sie Zugriff auf:

  • über 102.000 Bücher
  • über 537 Zeitschriften

aus folgenden Fachgebieten:

  • Automobil + Motoren
  • Bauwesen + Immobilien
  • Business IT + Informatik
  • Elektrotechnik + Elektronik
  • Energie + Nachhaltigkeit
  • Finance + Banking
  • Management + Führung
  • Marketing + Vertrieb
  • Maschinenbau + Werkstoffe
  • Versicherung + Risiko

Jetzt Wissensvorsprung sichern!

Jetzt informieren

Springer Professional "Technik"

Online-Abonnement

Mit Springer Professional "Technik" erhalten Sie Zugriff auf:

  • über 67.000 Bücher
  • über 390 Zeitschriften

aus folgenden Fachgebieten:

  • Automobil + Motoren
  • Bauwesen + Immobilien
  • Business IT + Informatik
  • Elektrotechnik + Elektronik
  • Energie + Nachhaltigkeit
  • Maschinenbau + Werkstoffe




 

Jetzt Wissensvorsprung sichern!

Jetzt informieren

Springer Professional "Wirtschaft"

Online-Abonnement

Mit Springer Professional "Wirtschaft" erhalten Sie Zugriff auf:

  • über 67.000 Bücher
  • über 340 Zeitschriften

aus folgenden Fachgebieten:

  • Bauwesen + Immobilien
  • Business IT + Informatik
  • Finance + Banking
  • Management + Führung
  • Marketing + Vertrieb
  • Versicherung + Risiko




Jetzt Wissensvorsprung sichern!

Jetzt informieren
Vorheriges Kapitel Path Following for Mobile Manipulators
Nächstes Kapitel A General Region-Based Framework for Collaborative Planning
Fußnoten
1
XL ordering is an ordering where process variables come before landmarks variables.
 
Literatur
1.
Bailey, T., Durrant-Whyte, H.: Simultaneous localisation and mapping (SLAM): part II state of the art. Robot. Autom. Mag. 13(3), 108–117 (2006)CrossRef
2.
Barfoot, T., Tong, C.H., Sarkka, S.: Batch continuous-time trajectory estimation as exactly sparse gaussian process regression. In: Proceedings of Robotics: Science and Systems, Berkeley, USA (2014)
3.
Boots, B., Gordon, G.J.: A spectral learning approach to range-only SLAM. In: Proceedings of the 30th International Conference on Machine Learning (ICML) (2013)
4.
Dellaert, F., Kaess, M.: Square root sam: simultaneous localization and mapping via square root information smoothing. Int. J. Robot. Res. 25, 2006 (2006)CrossRefMATH
5.
Dennis, Jr. J.E., Schnabel, R.B.: Numerical methods for unconstrained optimization and nonlinear equations (Classics in Applied Mathematics, 16). Soc. Ind. Appl. Math. (1996). ISBN 0898713641
6.
Djugash, J.: Geolocation with Range: Robustness, Efficiency and Scalability. Ph.D. thesis, Robotics Institute, Carnegie Mellon University, Pittsburgh, PA (2010)
7.
Durrant-Whyte, H., Bailey, T.: Simultaneous localisation and mapping (slam): part i the essential algorithms. IEEE Robot. Autom. Mag. 2, 2006 (2006)
8.
Golub, G.H., Van Loan, C.F.: Matrix Computations, 3rd edn. Johns Hopkins University Press, Baltimore (1996)MATH
9.
Kaess, M., Ranganathan, A., Dellaert, F.: iSAM: incremental smoothing and mapping. IEEE Trans. Robot. 24(6), 1365–1378 (2008). ISSN 1552-3098. 10.1109/TRO.2008.2006706
10.
Kaess, M., Ila, V., Roberts, R., Dellaert, F.: The bayes tree: an algorithmic foundation for probabilistic robot mapping. In: Algorithmic Foundations of Robotics IX, pp. 157–173. Springer (2011)
11.
Kaess, M., Johannsson, H., Roberts, R., Ila, V., Leonard, J.J., Dellaert, F.: iSAM2: incremental smoothing and mapping using the Bayes tree. Int. J. Robot. Res. IJRR 31(2), 217–236 (2012)
12.
Montemerlo, M., Thrun, S., Koller, D., Wegbreit, B.: FastSLAM: a factored solution to the simultaneous localization and mapping problem. In: Proceedings of the AAAI National Conference on Artificial Intelligence, pp. 593–598. AAAI (2002)
13.
Rasmussen, C.E., Williams, C.K.I.: Gaussian Processes for Machine Learning. MIT Press, Cambridge (2006)
14.
Thrun, S., Burgard, W., Fox, D.: Probabilistic Robotics (Intelligent Robotics and Autonomous Agents). The MIT Press (2005). ISBN 0262201623
15.
Tong, C.H., Furgale, P., Barfoot, T.D.: Gaussian process gauss-newton for non-parametric simultaneous localization and mapping. Int. J. Robot. Res. 32(5), 507–525 (2013)CrossRef
16.
Xinyan, Y., Indelman, V., Boots, B.: Incremental sparse gp regression for continuous-time trajectory estimation & mapping. arXiv preprint arXiv:​1504.​02696 (2015)
Metadaten
Titel
Incremental Sparse GP Regression for Continuous-Time Trajectory Estimation and Mapping
verfasst von
Xinyan Yan
Vadim Indelman
Byron Boots
Copyright-Jahr
2018
Buch
Robotics Research

Print ISBN: 978-3-319-60915-7

Electronic ISBN: 978-3-319-60916-4

Copyright-Jahr: 2018

DOI
https://doi.org/10.1007/978-3-319-60916-4_31

Neuer Inhalt

    Bildnachweise