We have estimated the position and

We have estimated the position and attitude of
mobile robots using particle filters on the basis of the
likelihood of their positions, which were calculated by
matching LRF measurement results to 3D point cloud data
measured using MMS. We have confirmed through run test
comparisons in outdoor environments with carrier-phase
GPS/INS navigation that we can determine the position of
mobile robots within 30 cm without using GPS and we can
reduce the errors due to sloping road surfaces or DR with 3D
voxel map.

ผลลัพธ์ (ไทย) 1:

เรามีประเมินตำแหน่งและทัศนคติของหุ่นยนต์เคลื่อนที่โดยใช้ตัวกรองอนุภาคบนพื้นฐานของการความเป็นไปได้ของตำแหน่งของพวกเขา ซึ่งมีคำนวณโดยจับคู่ LRF ผลประเมิน 3D ชี้ข้อมูลเมฆวัดโดยใช้ MMS เราได้ยืนยันผ่านทดสอบรันเปรียบเทียบสภาพแวดล้อมภายนอกกับเฟสของผู้ขนส่งนำทาง GPS/INS ที่เราสามารถกำหนดตำแหน่งของหุ่นยนต์เคลื่อนที่ภายใน 30 ซม.โดยไม่ใช้ GPS และเราสามารถลดข้อผิดพลาดเนื่องจากพื้นผิวถนนลาดหรือ DR กับ 3Dแผนที่ว็อกเซล

ผลลัพธ์ (ไทย) 2:

เราได้มีการประมาณการตำแหน่งและทัศนคติของ
หุ่นยนต์มือถือโดยใช้ตัวกรองอนุภาคบนพื้นฐานของ
ความเป็นไปได้ของตำแหน่งของพวกเขาซึ่งจะถูกคำนวณโดย
การจับคู่ LRF ผลการวัดไปยังจุด 3D ข้อมูลเมฆ
วัดโดยใช้ MMS เราได้รับการยืนยันผ่านการทดสอบ
การเปรียบเทียบในสภาพแวดล้อมที่กลางแจ้งที่มีขั้นตอนการให้บริการ
GPS / นำทาง INS ว่าเราสามารถกำหนดตำแหน่งของ
หุ่นยนต์มือถือภายใน 30 ซม. โดยไม่ต้องใช้จีพีเอสและเราสามารถ
ลดความผิดพลาดเนื่องจากการลาดพื้นผิวถนนหรือ DR กับ 3D
แผนที่ voxel .

ผลลัพธ์ (ไทย) 3:

เราได้คำนวณตำแหน่งและทัศนคติของ
หุ่นยนต์เคลื่อนที่โดยใช้ตัวกรองอนุภาคบนพื้นฐานของ
โอกาสตำแหน่ง ซึ่งตรงกับผลที่ได้จากการวัดคำนวณด้วย
lrf 3D เมฆจุดข้อมูล
วัดใช้ MMS . เราได้รับการยืนยันผ่านการเปรียบเทียบทดสอบ
วิ่งในสภาพแวดล้อมกลางแจ้งกับ GPS ขนส่งระยะ
/ INS นำร่องที่เราสามารถกำหนดตำแหน่งของ
มือถือหุ่นยนต์ภายใน 30 ซม. โดยไม่ใช้ GPS และเราสามารถลดความผิดพลาดเนื่องจาก
ลาดเอียงพื้นผิวถนนหรือดรกับแผนที่ว็อกเซล 3d