Hội nghị Quốc gia lần thứ 23 về Điện tử, Truyền thông và Công nghệ Thông tin (REV-ECIT2020)
Nghiên c˘u phát tri∫n robot xây d¸ng b£n Á
và ‡nh v‡ Áng thÌi trên n∑n t£ng ROS
Phan Hồng Anh, Bùi Duy Nam, Tr¶n Hu Quậc
ụng, V Tin
Đt, Nguyn Th Thanh Võn
Khoa iên t Vin thụng, Đi hc Cụng nghê, Đi hc Quậc Gia Hà NỴi
Email: , , ,
,
Tóm t≠t—Bài báo trình bày nghiên cu, thit k mẻt
robot cú khÊ nng xõy dáng bÊn Á và ‡nh v‡ Áng thÌi
(SLAM) trên n∑n t£ng mã ngn m cıa hª i∑u hành
robot (ROS). VĨi kích th˜Ĩc nh gn v chi phớ thòp,
robot cú khÊ nng tá ẻng di chuyn, thu d liêu ca mụi
trèng, xõy dáng b£n Á và ‡nh v‡ v‡ trí trên b£n Á cıa
trong mơi tr˜Ìng trong nhà có cßu trúc khơng xác nh.
Hiêu quÊ hoĐt ẻng ca robot ềc kim nghiêm thụng
qua cỏc ỏnh giỏ thác nghiêm trong mụi trèng thác.
T khúarobot di Ỵng, SLAM, RTAB-Map, ROS.
I. GIŒI THIõU
Ngày nay robot di Îng ˜Òc s˚ dˆng rÎng rãi trong
các ˘ng dˆng liên quan tểi hoĐt ẻng tá tr, khụng cản
sá giỏm sỏt ca con ngèi. HoĐt ẻng tá tr ca robot
di ẻng trong mơi tr˜Ìng ch˜a bi∏t tr˜Ĩc liên quan ∏n
kh£ n´ng t¸ nh™n bi∏t ˜Ịc mơi tr˜Ìng xung quanh,
xây d¸ng b£n Á, ‡nh v‡, l™p k∏ ho§ch ˜Ìng i và
i∑u khi∫n chuyn ẻng [1], [2].
Xõy dáng bÊn v nh v Áng thÌi hay cịn gÂi là
SLAM (Simultaneous Localization and Mapping) [3],
[4] l mẻt trong nhng vòn ang ềc quan tâm
nghiên c˘u nhi∑u trong nh˙ng n´m g¶n ây. Ph˜Ïng
pháp này d liêu t cỏc cÊm bin tỏi tĐo mụi trèng
hoĐt ẻng thụng qua viêc a thụng tin mụi trèng vo
mẻt bÊn 2D hoc 3D. Trờn d liêu ca b£n Á ˜Ịc
xây d¸ng, robot có th∫ ‡nh v‡ ˜Ịc tr§ng thái hay t˜ th∏
cıa mình trong b£n Á. C£m bi∏n s˚ dˆng trong SLAM
˜Ịc phân thành hai lo§i: c£m bin ngoĐi vi (thu nhn
d liêu t mụi trèng bờn ngoi) v cÊm bin nẻi vi
(xỏc nh sá thay i v‡ trí, h˜Ĩng hay gia tËc,...). ∫
t´ng Ỵ chính xác, SLAM th˜Ìng k∏t hỊp các d˙ liªu
t¯ nhi∑u c£m bi∏n thơng qua các ph˜Ïng pháp xác st
nh˜ Markov, Kalman, PF,...[5], [4], [7]. Tuy nhiên viªc
s˚ dˆng nhi∑u c£m bi∏n làm tng ẻ phc tĐp v chi phớ
ca hê thậng. Hiên nay vĨi s¸ phát tri∫n cıa lỉnh v¸c
th‡ giác máy nên các hª thËng SLAM th˜Ìng s˚ dˆng
camera ∫ thu d liêu Ênh t mụi trèng hoĐt ẻng. Hê
thậng SLAM s dng cÊm bin Ênh cú th hoĐt ẻng
ISBN: 978-604-80-5076-4
69
trong mơi tr˜Ìng ngồi trÌi hay trong nhà mỴt cách
thu™n lỊi, dπ dàng bi khơng phˆ thc vào sË l˜Ịng
hay v‡ trí l≠p ∞t các c£m bi∏n, ví dˆ nh˜ IPS vĨi các
beacon g≠n trên t˜Ìng.
Bên c§nh ó, cùng vĨi xu h˜Ĩng s˚ dˆng hª i∑u
hành robot - ROS (Robot Operating System) [8], [12]
là ph¶n m∑m mã ngn m thì ph˜Ïng pháp SLAM ã
˜Ịc phát tri∫n hiªu qu£. Ph˜Ïng pháp SLAM s˚ dˆng
c£m bi∏n £nh phÍ bi∏n trên n∑n t£ng ROS hiên nay l
Visual SLAM. Mẻt sậ phẽng phỏp Visual SLAM nh˜
maplab, ORB-SLAM2, DVO-SLAM, Elastic Fusion, ....
Các ph˜Ïng pháp này gi£ ‡nh camera khơng b‡ c£n
tr ho∞c hình £nh thu ˜Ịc luụn ảy cỏc tớnh nng.
Viêc giÊ nh ny khụng phự hềp vểi thác t ca mụi
trèng ẻng vểi nhng thay i khú dá oỏn trểc. Mẻt
sậ cỏc phẽng phỏp Visual SLAM có tính n´ng m§nh
hÏn nh˜ MCPTAM, RGBDSLAMv2 hay RTAB-Map ã
kh≠c phˆc ˜Ịc h§n ch∏ trên [9], [10], [11].
Trong các ph˜Ïng pháp Visual SLAM trên thì RTABMap t˜Ïng Ëi ton diên khi cú th cung còp bÊn
dĐng lểi 2D (Occupancy Grid) nh˜ cách s˚ dˆng c£m
bi∏n thơng th˜Ìng hay b£n Á 3D (Octomap). RTABMap phát tri∫n trên n∑n tÊng th viên ẻc lp C++, phõn
phậi dểi dĐng mẻt ROS package có kh£ n´ng x˚ l˛ thÌi
gian th¸c, tËi u húa chớnh xỏc viêc nh v v tĐo bÊn
thác t .
Bi bỏo nghiờn cu xõy dáng mẻt robot có kh£ n´ng
xây d¸ng b£n Á và ‡nh v‡ Áng thÌi s˚ dˆng ph˜Ïng
pháp RTAB-Map trên n∑n t£ng cıa ROS. Kích th˜Ĩc
cıa robot nh‰, thi∏t b‡ ˜Ịc l≠p ∞t phù hềp tậi u phự
hềp vểi hoĐt ẻng ca mụi trèng trong nh. Robot cú
khÊ nng di chuyn tá ẻng, thu d liêu, xõy dáng bÊn
v nh v v trớ trên b£n Á. K∏t qu£ cıa SLAM s≥
˜Òc s˚ dˆng lp k hoĐch èng i cho robot trong
hê thậng dđn èng tá ẻng.
Còu trỳc ca bi bỏo ềc trỡnh by trong 4 phản.
Phản 1 l giểi thiêu v mc tiêu nghiên c˘u. Ph¶n 2
trình bày chi ti∏t v∑ mơ hỡnh hê thậng xõy dáng bÊn
Hội nghị Quốc gia lần thứ 23 về Điện tử, Truyền thông và Công nghệ Thông tin (REV-ECIT2020)
Á và ‡nh v ng thèi. Mẻt sậ kt quÊ thác nghiêm
ỏnh giỏ hiêu quÊ hoĐt ẻng ca robot xuòt ềc
trỡnh bày trong ph¶n 3. Ph¶n cuËi cùng là k∏t lu™n và
h˜Ĩng phát tri∫n ti∏p theo.
II. MƠ HÌNH Hõ TH»NG
A. Hª thậng phản cng
Hỡnh 1 th hiên sẽ kt nậi cỏc thnh phản hê
thậng ca robot nhăm thác hiên viêc di chuy∫n ∫ xây
d¸ng b£n Á và ‡nh v‡ trong mụi trèng trong nh.
Cỏc thnh phản trong hê thậng ềc chia thành hai khËi
chính: khËi xây d¸ng b£n Á và ‡nh v‡ s˚ dˆng camera
Realsense D435 k∏t nËi vÓi máy tính Jetson Nano vĨi
ROS trên Ubuntu 18.04, khËi chuy∫n Ỵng là cÏ cßu di
chuy∫n hai bánh vi sai k∏t nËi vÓi vi i∑u khi∫n Arduino
Mega2560, giao ti∏p gi˙a Arduino và Jetson Nano qua
UART. NguÁn iªn áp cıa hai khËi này ˜Ịc cung cßp
t¯ khËi ngn 5 - 12 V. Các thành ph¶n ph¶n c˘ng ˜Ịc
Hình 2. Thi∏t k∏ 3D cıa robot.
Hỡnh 1. Sẽ kt nậi cỏc thnh phản hê thËng.
Hình 3. V‡ trí các thi∏t b‡ trên khung robot.
∞t trờn mẻt khung robot. Vểi yờu cảu v trng lềng
nh, Ỵ linh ho§t cao trong mơi tr˜Ìng trong nhà nên
khung robot ềc thit k băng cụng nghê in 3D vểi vt
liêu nháa, mụ un húa cao nờn d dng lp ∞t, i∑u
chønh. Hình 2 th∫ hiªn mơ hình thi∏t k∏ 3D cıa robot.
Robot có kích th˜Ĩc 180 cm x 150 cm x 118 mm. ˜Ìng
kính bánh xe 0,065 m và kho£ng cách gi˙a hai bánh là
0,15 m. Hình 3 mơ t£ v‡ trí cıa l≠p ∞t các thi∏t b‡ trên
khung robot. Thi∏t k∏ này cho phép tËi ˜u kích th˜Ĩc
cıa robot m vđn Êm bÊo an ton v tớnh hiêu qu£ cıa
các thi∏t b‡. Hình £nh robot th¸c t∏ ˜Ịc th hiên trờn
Hỡnh 4.
B. Hê thậng phản mm
Hỡnh 5 th hiên sẽ khậi ca hê thậng phản mm
iu khin thác hiên chc nng SLAM. Chẽng trỡnh
hoĐt ẻng theo nguyờn l˛ vịng khép kín: thu™t tốn th´m
dị s≥ ho§ch ‡nh èng i tá ẻng cho robot trong mụi
trèng cha bit tr˜Ĩc và ˜Ĩc l˜Ịng v‡ trí t˜Ïng Ëi
cıa c£m bi∏n, trÊ v trĐng thỏi robot (x,y,) lm d
ISBN: 978-604-80-5076-4
70
liêu cho khËi chuy∫n Ỵng; khËi chuy∫n Ỵng s≥ i∑u
khi∫n chuy∫n Ỵng cıa robot, Áng bỴ hóa odometry
t¯ bánh xe và d˙ liêu t hê thậng cÊm bin a vo
khậi xõy dáng b£n Á và ‡nh v‡ s˚ dˆng ph˜Ïng pháp
RTAB_Map; khËi tÍng hỊp d˙ liªu s≥ tÍng hỊp d˙ liª
c£m bi∏n, so sánh t˜Ïng quan và ˜Ĩc l˜Ịng tr§ng thái
t˜Ïng Ëi cıa rbot trong b£n Á; phân o§n Pointcloud
l≠p ghép các node d liêu quan trng xõy dáng thnh
bÊn hồn chønh. Chi ti∏t cıa hai khËi chính là SLAM
và chuyn ẻng ềc miờu tÊ trong phản dểi õy.
1) Khậi xây d¸ng b£n Á và ‡nh v‡: KhËi xây d¸ng
b£n Á và ‡nh v‡ Áng thÌi hay cịn gÂi là SLAM s˚
dˆng camera Realsense D345 ∫ thu £nh chi∑u sâu qua
th viên librealsense2. Phẽng phỏp RTAB_Map s xõy
dáng bÊn dáa trờn sá xuòt hiên ca sá vt trong thèi
gian thác. Hỡnh 6 th hiên sẽ khậi ca phẽng pháp
RTAB_Map vĨi ch˘c n´ng cıa các khËi nh˜ sau:
•
Front-end: trích xußt các ∞c tr˜ng £nh RGB và lßy
Hội nghị Quốc gia lần thứ 23 về Điện tử, Truyền thông và Công nghệ Thông tin (REV-ECIT2020)
2) KhËi chuy∫n Ỵng: KhËi chuy∫n Ỵng có cßu trúc
hai bánh vi sai dđn ẻng v mẻt bỏnh dđn hểng. HoĐt
ẻng vi sai dáa trờn sá chờnh lêch vn tậc gia hai bỏnh
xe làm cho robot chuy∫n Ỵng theo mỴt cung trịn có tõm
năm trờn trc bỏnh xe. Hỡnh 7 l mụ hỡnh ẻng hc ca
còu trỳc hai bỏnh vi sai trong hê tÂa Ỵ ∑ các. Trong
ó (XG , OG , YG ) l hê ta ẻ ton cc, (XR , OR , YR )
l hê ta ẻ gn vểi robot. T th∏ cıa robot bao gÁm
Hình 4. Hình £nh robot th¸c t.
Hỡnh 7. Mụ hỡnh ẻng hc ca còu trỳc hai bỏnh vi sai.
Hỡnh 5. Sẽ hê thậng iu khin.
ã
chiu sõu tẽng ng ca cỏc c trng băng hỡnh
Ênh ẻ sâu sau ó ˜Ĩc tính chuy∫n Ỵng vĨi các
hình £nh trểc ú băng cỏc c trng 3D tẽng
ng. Mẩi node trong b£n Á ˜Ịc t§o ch˘a c£ hình
£nh RGB và hình Ỵ Ỵ sâu vĨi t˜ th∏ (odometry).
Back-end: các liên k∏t ˜Ịc chuy∫n Íi gi˙a mÈi
node. Khi b£n Á ˜Ịc c™p nh™t, RTAB_Map so
sánh hình £nh mĨi vĨi tßt c£ các hình £nh tr˜Ĩc
ó trong b£n Á ∫ tìm mỴt vũng lp. Khi tỡm thõy
mẻt vũng lp, thác hiên tậi ˜u hóa b£n Á vĨi các
t˜ th∏ ˜Ịc chønh s˚a.
v‡ trớ v hểng trong hê ta ẻ ton cc ềc bi∫u diπn
thơng qua bi∏n tr§ng thái (x, y, ✓). R là bán kính bánh
xe và L là kho£ng cách gi˙a hai bánh. V™n tËc tuy∏n
tính u và v™n tËc góc ! liên quan tĨi chuy∫n Ỵng cıa
robot. Mơ hình Ỵng hc biu din sá thay i trĐng
thỏi ca robot thụng qua các bi∏n v™n tËc nh˜ sau:
8
>
˙
= u(t)cos(✓(t))
(1)
y(t)
˙ = u(t)sin(✓(t))
>
:˙
✓ = !(t)
V™n tËc tuy∏n tính u và v™n tËc góc ! ˜Ịc xác ‡nh
thơng qua v™n tËc góc cıa bánh trái (!L ) và bánh ph£i
(!R ) theo công th˘c sau:
(
u(t) = R(!L + !R )/2;
(2)
!(t) = R(!R !L )/L
III. KũT QUẫ THC NGHIừM
Hiêu quÊ ca hê thậng xõy dáng b£n Á và ‡nh v‡
˜Ịc ánh giá thơng qua ho§t Ỵng cıa robot trong mơi
tr˜Ìng trong nhà. Robot di chuy∫n vĨi v™n tËc trung
bình ∫ xây d¸ng b£n Á vĨi các thơng sË nh˜ sau: v™n
tËc tuy∏n tính 0,129 (m/s), v™n tËc góc 0,29 (rad/s), tËc
Ỵ x˚ l˛ £nh 1 Hz, tản sậ lòy mđu d liêu 30 Hz.
A. Xõy d¸ng b£n Á và ‡nh v‡ phịng 1
Hình 6. SÏ Á cıa ph˜Ïng pháp RTAB_Map.
ISBN: 978-604-80-5076-4
Phịng 1 là phịng thí nghiªm trong nhà có diªn tích
50 m2 , n∑n lát á. Hình 8 (a) là hình £nh th¸c t∏ cıa
71
Hội nghị Quốc gia lần thứ 23 về Điện tử, Truyền thơng và Cơng nghệ Thơng tin (REV-ECIT2020)
cıa phịng 1. Phũng thớ nghiêm cú kờ cỏc dóy bn thác
nghiêm v có kho£ng trËng gi˙a các dãy bàn. Robot di
chuy∫n xung quanh phòng, s˚ dˆng camera ∫ thu £nh
khi di chuy∫n, t¯ ó tái t§o l§i b£n Á cıa phịng. Hình
8 (b) là k∏t qu£ xây d¸ng b£n Á 2D cıa phịng 1. B£n
Á 3D thu ˜Ịc Hình 8 (c) là các pointcloud hay còn
gÂi là ám mây i∫m. ây là t™p hỊp các i∫m trong
khơng gian 3 chi∑u. D˙ liêu ỏm mõy ny biu th hỡnh
Ênh ca mẻt vt th∫ d˜Ĩi d§ng nhi∑u i∫m trong khơng
gian và mÈi i∫m ó mang tÂa Ỵ (x, y, z). ˜Ìng màu
xanh trong b£n Á th∫ hiªn ˜Ìng robot ã i qua, vùng
tr≠ng là khơng gian khơng có v™t th∫ do ó robot cú th
hoĐt ẻng trong vựng ny, vựng mu en l nẽi robot
khụng hoĐt ẻng ềc do cú cỏc vt cÊn.
Hỡnh 9 bi∫u diπn chi ti∏t k∏t qu£ xây d¸ng b£n Á
trong t¯ng khu v¸c cıa phịng. Do kích th˜Ĩc robot
nh‰, nờn th trèng hoĐt ẻng ca camera vựng tảm
thòp nh˜ng thu ˜Òc £nh kho£ng cách xa. K∏t qu£ cho
thòy robot cú khÊ nng tỏi tĐo lĐi bÊn mẻt cỏch hiêu
quÊ.
Sau khi bÊn ềc xõy dáng, v trí cıa các i∫m
trên b£n Á ˜Ịc xác ‡nh nh˜ trên Hình 10. TÂa Ỵ
(x, y) mỴt sË i∫m (A, B, C, D, E) c¶n xác ‡nh có giá
tr‡ trên B£ng I.
V‡ trí
A
B
C
D
E
Giá tr‡ trên b£n Á
(m)
5,92
1,89
2,01
0,91
2,7
« VÀ TH‹C Tị
Giá tr‡ th¸c t∏
(m)
5,9
1,85
2,0
0,94
2,66
Sai sË
(%)
0,02
0,04
0,01
0,03
0,04
11 (b)). B£n Á thu ˜Ịc vĨi vựng mu trăng l vựng
robot cú th hoĐt ẻng v vựng khụng hoĐt ẻng ềc
mu en do cha cỏc vt. Cỏc vựng trăng v en xỏc
nh ềc trờn bÊn Á giËng vĨi các khơng th¸c t∏ cıa
phịng. K∏t qu£ ‡nh v‡ các ˜Ìng trên b£n Á phịng
2 ˜Ịc th∫ hiên trờn Hỡnh 12. BÊng III cho thòy giỏ tr
khoÊng cách cıa các ˜Ìng o trên b£n Á và trên th¸c
t∏. Sai sË trung bình cıa các ˜Ìng là 0.0163 (m). Giá
tr‡ sai sË này nh‰ hÏn trong tr˜Ìng hỊp phịng 1 và phù
hỊp vĨi kích th˜Ĩc cıa robot. K∏t quÊ thác nghiêm quỏ
BÊng III
ô V THC Tũ
ô
KhoÊng cỏch
(m)
AB
CD
EF
GH
Ta ẻ (x, y)
(m)
(1,430 2,925)
(2,470 0,390)
(5,850 0,455)
(5,655 2,860)
(5,655 5,070)
∫ ánh giá Ỵ chính xác cıa ph˜Ïng pháp xây d¸ng
b£n Á và ‡nh v‡. B£ng II ánh giá kho£ng cách các
˜Ìng trên b£n v cỏc èng thác t tĐi phũng 1 vểi
cỏc chø sË nh˜ sau: các ˜Ìng ánh giá ˜Ịc t§o bi
các i∫m ‡nh v‡ trong B£ng I; giá tr‡ o ềc trờn bÊn
; giỏ tr o thác t tĐi phũng; sai sË gi˙a giá tr‡ o
trên b£n Á và giá tr o thác t. Sai sậ trung bỡnh ca
cỏc oĐn là 0,028 (m). Sai sË này là phù hỊp vĨi kích
th˜Ĩc cıa robot.
B. Xây d¸ng b£n Á và ‡nh v‡ phịng 2
Phịng 2 có diªn tích nh‰, 10 m2 , vĨi bàn, gh∏ và
tı. Robot di chuy∫n quanh phịng ∫ xõy dáng bÊn
ca phũng. Hỡnh 11 th hiên kt qu£ ‡nh v‡ cıa phịng
2 vĨi b£n Á 2D (Hình 11 (a)) và b£n Á 3D (Hình
ISBN: 978-604-80-5076-4
Kho£ng cách
(m)
AB
CD
EF
GH
IK
ÁNH GIÁ KHOÉNG CÁCH CÁC ◊ÕNG TRÊN BÉN
PHÒNG 2
B£ng I
¿NH V¿ CÁC V¿ TRÍ TRÊN BÉN
B£ng II
ÁNH GIÁ KHOÉNG CÁCH CÁC ◊ÕNG TRÊN BÉN
PHỊNG 1
72
Giá tr‡ trên b£n Á
(m)
0,585
0,195
1,235
0,92
Giá tr‡ th¸c t∏
(m)
0,6
0,2
1,22
0,95
Sai sË
(%)
0,015
0,005
0,015
0,03
trình xây d¸ng b£n Á và ‡nh v‡ cıa robot trong hai
phũng trờn cho thòy hiêu quÊ hoĐt ẻng ca hê thậng
SLAM. Hê thậng cú khÊ nng tỏi tĐo lĐi b£n Á và ‡nh
v‡ ˜Ịc các v‡ trí trên b£n Á. Sai sË cıa hª thËng nh‰,
phù hỊp vĨi kích th˜Ĩc cıa robot.
IV. KịT LN
MỴt robot có kích th˜Ĩc nh‰ gÂn, chi phí thßp ã ˜Ịc
phát tri∫n trong nghiên c˘u này. Ph˜Ïng pháp Visual
SLAM trên n∑n t£ng ROS cho phép robot cú th thu
d liêu ca mụi trèng, xõy dáng b£n Á và ‡nh v‡ ví
trí cıa trên b£n Á ca mụi trèng trong nh. Hiêu quÊ
hoĐt ẻng ca robot ềc kim nghiêm thụng qua cỏc
ỏnh giỏ thác nghiêm trong phịng th¸c t∏. K∏t qu£ cıa
SLAM s≥ ˜Ịc s˚ dˆng lp k hoĐch èng i cho
robot trong hê thậng dđn èng tá ẻng.
Hội nghị Quốc gia lần thứ 23 về Điện tử, Truyền thơng và Cơng nghệ Thơng tin (REV-ECIT2020)
(a) Hình £nh th¸c t∏
(b) B£n Á 2D
(c) B£n Á 3D
Hình 8. Xây d¸ng b£n Á phịng 1
(a) Hình £nh th¸c t∏ 1
(b) B£n Á 3D 1
(c) Hình £nh th¸c t∏ 2
(d) B£n Á 3D 2
(e) Hình £nh th¸c t∏ 3
(f) B£n Á 3D 3
(g) Hình £nh th¸c t∏ 4
(h) B£n Á 3D 4
Hỡnh 9. Xõy dáng bÊn mẻt sậ vựng ca phịng 1
TÀI LIõU THAM KHÉO
Hình 10.
‡nh v‡ phịng 1
LÕI CÉM ÃN
Nghiên c˘u này ˜Ịc tài trỊ bi
Hà nỴi theo ∑ tài mã sË QG.17.69.
ISBN: 978-604-80-5076-4
§i hÂc QuËc gia
73
[1] Roland Siegwart, IIlah R Noubaskh, "Introduction to Autonomous Mobile Robot", MIT Press, London, England, 2004
[2] Phillip McKerrow, "Introduction to Robotics", Addison-Wesley,
1991.
[3] " />[4] Giorgio Grisetti, Rainer Kummerle, Cyrill Stachniss, Wolfram
Burgard, “A Tutorial on Graph-Based SLAM”, IEEE Intelligent
Transportation Systems Magazine, Volume: 2, Issue: 4, 2010
[5] Dieter Fox, Wolfram Burgard, and Sebastian Thrun, "Markov
Localization for Mobile Robots in Dynamic Environments",
Journal of Artificial Intelligence Research 11, pp 391-427, 1999
[6] D. Simon, "Optimal State Estimation: Kalman, H Infinity, and
Nonlinear Approaches", Inc, ISBN 9780471708582, 2006.
[7] E. A. Wan and R. v. d. Merwe, "The Unscented Kalman Filter
for Nonlinear Estimation", Proceedings of Symposium 2000 on
Adaptive Systems for Signal Processing, Communication and
Control (AS-SPCC), Lake Louise, Alberta, Canada, 2000
[8] ROS: />[9] Sarganil Das, “Simultaneous Localization and Mapping (SLAM)
using RTAB-Map”, 2018.
[10] D. Schleicher, L.Bergasa, M.Ocan, R.Barea and E.Lo pez “Realtime hierarchical stereo Visual SLAM in large-scale environ-
Hội nghị Quốc gia lần thứ 23 về Điện tử, Truyền thông và Công nghệ Thông tin (REV-ECIT2020)
10.20944/preprints201907.0035.v1, 2019
(a) B£n Á 2D
(b) B£n Á 3D
Hình 11. Xây d¸ng b£n Á phịng 2
Hình 12.
‡nh v‡ phịng 2
ments”, Robotics and Autonomous Systems, vol. 58, no. 8, pp.
991–1002, 2010.
[11] Nicolas Ragot, Redouane Khemmar, Adithya Pokala, Romain
Rossi "Benchmark of Visual SLAM Algorithm: ORB-SLAM2
vs RTAB-Map", Eighth International Conference on Emerging
Security Technologies (EST),DOI: 10.1109/EST.2019.8806213
2019
[12] Bruno M. F. da Silva, Rodrigo S. Xavier and Luiz
M. G. Gonc¸alves "Mapping and Navigation for Indoor
Robots under ROS: An Experimental Analysis", Doi:
ISBN: 978-604-80-5076-4
74