(ii) The mobile robot altitude z, r

(ii) The mobile robot altitude z, roll angle θ, and pitch angle φ
are then estimated from the redistributed particles assuming
that all robot tires are in constant contact with the road surface.
(iii) The LRF measurement is converted to 3D mapping
coordinates based on the acquired 6-DOF position and attitude
to calculate the likelihood of each particle through matching to
3D maps.
(iv) Particles are resampled on the basis of the likelihood thus
acquired, and the average position and attitude of the
resampled particles are taken to denote the final position and
attitude of the mobile robot.
In the sections that follow, Section IV discusses 3D
environment mapping based on 3D outdoor point cloud data
acquired from MMS measurements, Section V extends the 3D
position and attitude from the 2D position and orientation,
Section VI calculates the likelihood using 3D maps with
particle filters, and Section VII evaluates the precision of our
proposed method for estimating the position and attitude
through experiments in actual environments. Section VIII
presents our conclusions.

ผลลัพธ์ (ไทย) 2:

(ii) ความสูงหุ่นยนต์เคลื่อนที่ Z มุมθม้วนและมุมสนามφ
จะมีการประเมินแล้วจากอนุภาคแจกจ่ายสมมติ
ว่ายางหุ่นยนต์ทั้งหมดอยู่ในการติดต่ออย่างต่อเนื่องกับพื้นผิวถนน.
(iii) การวัด LRF จะถูกแปลงเป็น 3D ทำแผนที่
พิกัด ขึ้นอยู่กับตำแหน่งที่ได้มา 6 อานนท์และทัศนคติ
ในการคำนวณความน่าจะเป็นของแต่ละอนุภาคผ่านการจับคู่เพื่อ
3D แผนที่.
(iv) อนุภาคจะ resampled บนพื้นฐานของความเป็นไปได้จึง
ได้มาและตำแหน่งเฉลี่ยและทัศนคติของ
อนุภาค resampled จะถูกนำ เพื่อแสดงถึงตำแหน่งสุดท้ายและ
ทัศนคติของหุ่นยนต์เคลื่อนที่.
ในส่วนที่เป็นไปตามมาตรา IV 3D กล่าวถึง
การทำแผนที่ขึ้นอยู่กับสภาพแวดล้อมที่จุดกลางแจ้ง 3D เมฆข้อมูล
ที่ได้มาจากการวัด MMS, มาตรา V ขยาย 3D
ตำแหน่งและทัศนคติจากตำแหน่ง 2D และการวางแนว ,
มาตรา VI คำนวณความน่าจะเป็นการใช้แผนที่ 3 มิติที่มี
ตัวกรองอนุภาคและมาตราปกเกล้าเจ้าอยู่หัวความแม่นยำของการประเมินของเรา
ที่นำเสนอวิธีการสำหรับการประเมินตำแหน่งและทัศนคติที่
ผ่านการทดลองในสภาพแวดล้อมที่เกิดขึ้นจริง มาตรา VIII
นำเสนอข้อสรุปของเรา

ผลลัพธ์ (ไทย) 3:

( 2 ) หุ่นยนต์เคลื่อนที่ความสูง Z , θม้วนมุม และมุมสนามφ
แล้วประมาณการจากแจกจ่ายอนุภาคสมมติ
ที่ยางหุ่นยนต์ทั้งหมดอยู่ในคงติดต่อกับผิวถนน .
( 3 ) lrf การวัดจะถูกแปลงเป็น 3D แผนที่
พิกัดตามตำแหน่งที่ได้มา 6-dof และทัศนคติ
เพื่อการคำนวณความน่าจะเป็นของแต่ละอนุภาคผ่านการจับคู่


แผนที่ 3 มิติ( 4 ) อนุภาค resampled บนพื้นฐานของความน่าจะเป็นจึง
ได้มาและตำแหน่งเฉลี่ยและทัศนคติของ
resampled อนุภาคจะถ่ายไปจนถึงตำแหน่งสุดท้ายและทัศนคติของหุ่นยนต์เคลื่อนที่
.
ในส่วนที่ตาม มาตรา 4 กล่าวถึงแผนที่สภาพแวดล้อม 3D โดย 3D สระจุดข้อมูล

เมฆ ได้มาจาก MMS การวัดมาตรา 5 )
3 มิติตำแหน่ง และ ทัศนคติ จาก 2 มิติ ตำแหน่งและทิศทาง
มาตรา 6 , คำนวณโอกาสใช้แผนที่ 3D กับ
ตัวกรองอนุภาค และมาตรา 7 ประเมินความเที่ยงตรงของวิธีที่เสนอในการประมาณค่าตำแหน่ง

ผ่านการทดลองและทัศนคติในสภาพแวดล้อมจริง มาตรา 8
นำเสนอข้อสรุปของเรา