Bref aperçu
Chapitre 1 : Localisation et cartographie simultanées : Ce chapitre présente les concepts fondamentaux de la localisation et de la cartographie simultanées (SLAM), un problème clé en robotique. Il aborde l'importance du SLAM dans la navigation autonome et les défis qu'il présente, tels que la création de cartes d'environnements inconnus tout en déterminant la position du robot à l'intérieur de ceux-ci. Ce chapitre donne un aperçu des techniques SLAM et de leurs applications dans le monde réel.
Chapitre 2 : Cartographie robotique : Ce chapitre se penche sur la cartographie robotique, un composant crucial du SLAM. Il couvre diverses approches de cartographie, y compris la cartographie basée sur une grille, basée sur les caractéristiques et la cartographie topologique, en mettant l'accent sur la façon dont les robots construisent et mettent à jour des cartes lorsqu'ils explorent des environnements inconnus. Le chapitre explore également les technologies de capteurs utilisées pour la cartographie et la complexité de calcul impliquée.
Chapitre 3 : Algorithme de condensation : Ce chapitre traite de l'algorithme de condensation, une technique clé pour la mise en ouvre du SLAM. Il explique comment l'algorithme gère l'incertitude inhérente à la localisation et à la cartographie en utilisant des filtres à particules pour représenter les poses potentielles du robot. Le chapitre couvre également son application à divers problèmes liés au SLAM, en mettant l'accent sur son efficacité dans les systèmes en temps réel.
Chapitre 4 : Apprentissage par transfert : Ce chapitre introduit le concept d'apprentissage par transfert, où les connaissances acquises dans un environnement sont appliquées à un autre. Il explique comment l'apprentissage par transfert peut améliorer l'efficacité des systèmes SLAM en réduisant la quantité de données et de calculs nécessaires. Le chapitre explore également les défis et les avantages de l'apprentissage par transfert dans le contexte de la localisation et de la cartographie robotiques.
Chapitre 5 : Localisation de Monte Carlo : Ce chapitre couvre la méthode de localisation de Monte Carlo (MCL), une technique probabiliste utilisée pour estimer la position d'un robot sur une carte. Le chapitre décrit les principes fondamentaux de l'algorithme, tels que l'utilisation de filtres à particules, et ses avantages en termes de flexibilité et de précision. Il traite également des mises en ouvre pratiques et de son intégration avec d'autres algorithmes SLAM.
Chapitre 6 : Wolfram Burgard : Ce chapitre se concentre sur les travaux de Wolfram Burgard, un chercheur de premier plan dans le domaine de la robotique, en particulier dans le domaine de la SLAM et de la robotique probabiliste. Il met en évidence ses contributions à des algorithmes tels que FastSLAM et discute de leur impact sur l'amélioration de l'efficacité et de la robustesse des systèmes de localisation et de cartographie robotiques.
Chapitre 7 : Système de positionnement intérieur : Ce chapitre examine les systèmes de positionnement intérieur (IPS) et leur intégration avec les techniques SLAM. Il couvre diverses technologies IPS, telles que le WiFi, le Bluetooth et la RFID, et explore comment ces systèmes peuvent être utilisés pour améliorer la localisation des robots dans les environnements intérieurs. Le chapitre aborde également les défis de la localisation en intérieur et la manière dont le SLAM les relève.
Chapitre 8 : Navigation robotique : Ce chapitre explore le concept plus large de navigation robotique, qui englobe à la fois la localisation et la planification de chemin. Il explique comment le SLAM contribue à la navigation en fournissant aux robots la capacité de cartographier et de comprendre leur environnement. Le chapitre traite également des algorithmes de navigation autonome et de leurs applications dans le monde réel.
Chapitre 9 : Cartographie de la grille d'occupation : Ce chapitre fournit un aperçu approfondi de la cartographie de la grille d'occupation, une technique populaire pour représenter les environnements dans SLAM. Il explique comment fonctionnent les grilles d'occupation en discrétisant l'environnement en cellules, chacune pouvant être occupée ou libre. Ce chapitre couvre les approches algorithmiques de mise à jour et de maintenance de ces grilles dans des environnements dynamiques.
Chapitre 10 : Reconstruction 3D : Ce chapitre traite des techniques de reconstruction 3D dans le contexte du SLAM. Il couvre les méthodes de création de cartes tridimensionnelles détaillées des environnements à l'aide de capteurs tels que des caméras stéréo et des lidars. Le chapitre aborde également les défis informatiques de la reconstruction 3D et son intégration avec les systèmes SLAM pour une meilleure compréhension spatiale.
Chapitre 11 : Odométrie visuelle : Ce chapitre se concentre sur l'odométrie visuelle, une technique qui estime le mouvement d'un robot en analysant les images de ses caméras. Il explique comment l'odométrie visuelle peut être utilisée en conjonction avec le SLAM pour améliorer la précision de la localisation. Le chapitre explore également les défis de l'odométrie visuelle, tels que la gestion du flou de mouvement et l'extraction de caractéristiques.
Chapitre 12 : Problème d'exploration : Ce chapitre aborde le problème d'exploration en robotique, qui implique des robots autonomes naviguant et cartographiant des environnements inconnus. Il aborde les stratégies d'exploration efficace, telles que l'exploration basée sur les frontières, et comment le SLAM peut être utilisé pour faciliter ce processus. Le chapitre couvre également les aspects théoriques et pratiques des algorithmes d'exploration.
Chapitre 13 : Boîte à outils de programmation de robots mobiles : Ce chapitre présente la boîte à outils de programmation de robots mobiles (MRPT), une bibliothèque de logiciels conçue pour faciliter le développement d'applications robotiques, y compris SLAM. Il couvre les fonctionnalités du MRPT, telles que la prise en charge de divers capteurs et algorithmes, et démontre comment il peut être utilisé pour mettre en ouvre des systèmes SLAM dans des robots du monde réel.
Chapitre 14 : Intersection de covariance : Ce chapitre explore la technique de l'intersection de covariance (IC), qui aborde le problème de la combinaison d'informations incertaines provenant de sources multiples. Il explique comment l'intégration continue peut être utilisée dans le SLAM pour fusionner les données de capteurs provenant de différentes modalités, telles que le laser et la vision, tout en maintenant la cohérence et en réduisant les erreurs d'estimation.
Chapitre 15 : Robotics Toolbox pour MATLAB : ce chapitre couvre la Robotics Toolbox pour MATLAB, un ensemble d'outils puissants pour la modélisation, la simulation et l'analyse de systèmes robotiques. Il se concentre sur la façon dont la boîte à outils peut être utilisée pour mettre en ouvre et tester des algorithmes SLAM. Le chapitre fournit également des exemples de tâches liées au SLAM qui peuvent être exécutées à l'aide de la boîte à outils.
Chapitre 16 : Localisation du son 3D : Ce chapitre traite de la localisation du son 3D, une technique utilisée pour déterminer la position des sources sonores dans l'espace tridimensionnel. Il explore comment la localisation sonore 3D peut compléter le SLAM dans des scénarios où des informations auditives sont disponibles, comme dans la robotique pour les systèmes auditifs ou dans la fusion multicapteurs.
Chapitre 17 : Localisation intrinsèque : Ce chapitre présente la localisation intrinsèque, une technique permettant de déterminer la position d'un robot sans s'appuyer sur des références externes telles que le GPS ou les marqueurs. Il se concentre sur des méthodes qui utilisent des capteurs et des algorithmes embarqués pour estimer la position et l'orientation de manière autonome. Le chapitre traite également des applications de la localisation intrinsèque dans les environnements GPSdenied .
Chapitre 18 : Suivi de la pose : Ce chapitre couvre le suivi de la pose, le processus d'estimation continue de la position et de l'orientation d'un robot au fil du temps. Il explique l'importance du suivi de la pose dans les systèmes SLAM et aborde diverses techniques, telles que le filtrage de Kalman et les filtres à particules, qui sont couramment utilisées pour suivre la pose d'un robot avec une grande précision.
Chapitre 19 : Margarita Chli : Ce chapitre met en lumière le travail de Margarita Chli, une éminente chercheuse dans le domaine de la robotique et de la vision par ordinateur. Il aborde ses contributions au SLAM, en particulier son travail sur le SLAM visuel, et ses approches innovantes pour améliorer la précision et la robustesse de la localisation dans des environnements difficiles.
Chapitre 20 : Costmaps en couches : Ce chapitre couvre les costmaps en couches, une technique utilisée dans la navigation des robots pour représenter le coût des déplacements dans différentes zones d'un environnement. Il explique comment les costmaps en couches peuvent être utilisées pour incorporer des obstacles, des éléments dynamiques et des capacités de robot dans les algorithmes de navigation. Le chapitre explore comment ces cartes de coûts sont intégrées au SLAM pour améliorer la planification de la trajectoire du robot.
Chapitre 21 : Robot autonome : Ce chapitre conclut le livre en discutant des robots autonomes, qui peuvent fonctionner indépendamment dans des environnements dynamiques. Il explique comment le SLAM permet l'autonomie en permettant aux...
