2010/03/01

自己位置推定(1)

こんにちは、ソフト班Shinpukuです。

ロボカップ中型リーグにおいて、ロボットの自己位置を正確に求めることはとても大切です。

試合を有利に運ぶことにも繋がりますからね。

自己位置を求める方法はいろいろあります。代表的なものは、
 ・パターンマッチング
 ・パーティクルフィルタ
 ・デッドレコニング
こんな感じでしょうね。

「GPSを使えば簡単じゃないか?」

いやいや、そういうわけにもいかないのですよ。

ロボカップの試合が行われているのは「屋内」ですからね。電波が届かなければ話になりません。

また、正確なシュートを決めるため、ロボットには数センチ単位の誤差しか許されません。

これほどの精度を持つGPSは高価すぎてアッという間に予算オーバーです。

だったら、画像処理やらエンコーダやらでなんとかしようというのが先ほどの方法です。

パターンマッチングは「WinKIT」が論文出してましたね。最近は「パターンマッチング+パーティクルフィルタ」でやっているようですが。

ノートPCの処理能力的にパターンマッチングは厳しいので、Hibikino-Musashiプログラムではパーティクルフィルタを使っています。

詳しくはまた次回説明します。

とにかく、白線、方位センサ、エンコーダの情報をパーティクルフィルタに入れるとロボットのX座標、Y座標、角度を求めことができるんですよ。

2010/02/15

Drawstuff開発報告(5)

お疲れ様です。

ソフト班Shinpukuです。

WinKIT(金沢工業大学のチーム)の出村先生が、最近drawstuffの上位互換ライブラリである「irrDrawstuff」を公開されました。

いや、以前から気になってたんですよ。

2010/02/08

続・距離校正はつらいよ(2)

ソフト班Shinpukuです。

ニューラルネットワークによる関数近似プログラムを書いてみました。

入力をピクセル数、出力を距離として、中間層のニューロンを3個に設定しています。

// ニューラルネット生成
int nc[3] = {1, 3, 1}; // {入力層、中間層、出力層}
CvMat NSetting = cvMat(1, 3, CV_32S, nc);
CvANN_MLP mlp(&NSetting, CvANN_MLP::SIGMOID_SYM, 1, 1);
// 終了条件(1000回繰り返し、精度1e-100)
CvTermCriteria criteria = cvTermCriteria(CV_TERMCRIT_ITER|CV_TERMCRIT_EPS, 1000, 1e-100);
// パラメータ
CvANN_MLP_TrainParams param(criteria, CvANN_MLP_TrainParams::RPROP, 0.05);
// 学習データ(pixel:画像中心からのピクセル数 distance:フィールド上での距離)
const int num = 16;
double pixel[num] = { 0, 32, 38, 43, 47, 52, 56, 59, 73, 82, 87, 92, 95, 98, 102, 120};
double distance[num] = {0.0, 0.4, 0.5, 0.6, 0.7, 0.8, 0.9, 1.0, 1.5, 2.0, 2.5, 3.0, 3.5, 4.0, 5.0, 15};
// 学習させる
CvMat in = cvMat(num, 1, CV_64FC1, pixel);
CvMat out = cvMat(num, 1, CV_64FC1, distance);
mlp.train(&in, &out, 0, 0, param);
// 学習結果から他データを計算(rには0~120の任意の整数が入ります)
float a[1] = {r}, b[1];
CvMat in = cvMat(1, 1, CV_32FC1, a);
CvMat out = cvMat(1, 1, CV_32FC1, b);
mlp.predict(&in, &out); // rに対応する距離がout.data.fl[0]に代入されます