With the state vector at given time

With the state vector at given time t expressed by xt = (x, y, ψ),
the likelihood of state vector xt is acquired by matching LRF
measurement results to 3D voxel environment maps. This is
combined with DR through particle filters to acquire the
determined state vector xt.
Using the time-sequential set of LRF measurement results
until time t expressed by z1:t and measurement results from
sensors for DR by the odometer and gyroscope expressed by
0:t1 u , the probability   1: 0: 1 , t t t p x z u of state vector xt of the
mobile robot at the given time t is formulated by the
recurrence formula Eq. (6), where   t t p z x is the probability
distribution of the measurement model and   1 1 , t t t p x u x is
the probability distribution of the motion model.
presents our conclusions.

ผลลัพธ์ (ไทย) 2:

ด้วยเวกเตอร์รัฐที่ t เวลาที่กำหนดแสดงโดย XT = (x, y, ψ)
น่าจะเป็นของรัฐเวกเตอร์ XT ที่ได้มาโดยการจับคู่ LRF
ผลการวัด 3 มิติ voxel แผนที่สภาพแวดล้อม นี้
รวมกับ DR ผ่านตัวกรองอนุภาคที่จะได้รับ
รัฐกำหนดเวกเตอร์ XT.
ใช้เวลาชุดลำดับของผลการวัด LRF
จนถึงเวลา t แสดงโดย z1: เสื้อและผลการวัดจาก
เซ็นเซอร์สำหรับ DR โดยวัดระยะทางและแสดงโดยหมุน
0: t1มึงน่าจะเป็น 1: 0: 1, ttt pxzu ของรัฐเวกเตอร์ XT ของ
หุ่นยนต์เคลื่อนที่ที่ทีเวลาที่กำหนดเป็นสูตรโดย
สูตรสมการกลับเป็นซ้ำ (6) ที่ ttpzx ความน่าจะเป็น
รูปแบบการกระจายของการวัดและ 1 1 ttt pxux คือ
ความน่าจะเป็นรูปแบบการกระจายของการเคลื่อนไหว.
นำเสนอข้อสรุปของเรา

ผลลัพธ์ (ไทย) 3:

กับรัฐเวกเตอร์ที่แสดง โดยให้เวลา t XT = ( x , y , ψ )
โอกาสของรัฐเวกเตอร์ XT ที่ตรงกับผลที่ได้จากการวัด lrf
3D แผนที่สภาพแวดล้อมว็อกเซล . นี่คือ
รวมกับดรผ่านอนุภาคกรองได้รับ
กำหนดรัฐเวกเตอร์ XT .
โดยใช้เวลาลำดับชุดของผลการวัด lrf
จนถึงเวลาแสดงผล T T โดย Z1
และการวัดจากเซ็นเซอร์สำหรับดร โดยวัดระยะทางและไจโรสโคปที่แสดงออกโดย
0 : T  1 U , ความน่าจะเป็น 1 : 0 : 1 T T T  P X Z U ของ XT รัฐเวกเตอร์ของ
หุ่นยนต์เคลื่อนที่ที่ให้เวลา t เป็นสูตรโดย
อีกสูตร ( 6 ) ที่อีคิว  T T P Z X คือความน่าจะเป็น
จำหน่ายโมเดลการวัดและ 1 1 ,  T T T  P x u
x ความน่าจะเป็นของการเคลื่อนไหวแบบ
นำเสนอข้อสรุปของเรา