Notre catalogue de ressources
Naviguer par :
Menu
Toutes les ressources
Nouveautés
Recherche avancée
Par thème
Par auteur
Produite par UNIT
Aide
Recherche en cours
Par auteur
=
MARTINELLI AGOSTINO
Affiner ma recherche
Retour
Imprimer
Flux RSS
Titre
Titre
Date
Auteur
Afficher 12
Afficher 12
Afficher 24
Afficher 36
Afficher 48
Afficher 60
Attention : l'accès aux ressources peut être restreint, soit pour des raisons juridiques, soit par la volonté de l'auteur.
15
résultats
section 1
sur 2
résultats
1 à 12
Canal-u.fr
2.3. Wheel encoders for a differential drive vehicle
Description
:
In this video, we want to discuss the case of a wheel encoders in 2D, and in particular the case of a robot equipped with a differential drive which is very popular in mobile robotics.
Date
:
01-06-2015
Description complète
2.3. Wheel encoders for a differential drive vehicle
Partager
Sur Facebook
Sur Twitter
Sur Google+
Sur LinkedIn
Sur Viadeo
Par courriel
Sur Scoop.it
Sur Pinterest
Accéder aux documents
Canal-u.fr
2.4. Sensor statistical models
Description
:
So far in the characterization of our sensor measurements, we didn't talk about the errors. This is precisely what we want to do in this video. In particular, we want to compute two probability distributions which are these: P of having an exteroceptive measurement Z by knowing the state, so the co ...
Date
:
01-06-2015
Description complète
2.4. Sensor statistical models
Partager
Sur Facebook
Sur Twitter
Sur Google+
Sur LinkedIn
Sur Viadeo
Par courriel
Sur Scoop.it
Sur Pinterest
Accéder aux documents
Canal-u.fr
2.5. Reminds on probability
Description
:
In this sequence I want to remind you a few concepts in the theory of probability and then in the next one we finally derive the equations of the Bayes filter. So the concept that I want to remind you are 3: the Markov assumption, the theorem of a total probability and the Bayes theorem.
Date
:
01-06-2015
Description complète
2.5. Reminds on probability
Partager
Sur Facebook
Sur Twitter
Sur Google+
Sur LinkedIn
Sur Viadeo
Par courriel
Sur Scoop.it
Sur Pinterest
Accéder aux documents
Canal-u.fr
2.6. The Bayes Filter
Description
:
The equations of the Bayes filters are the equation that allow us to update the probability distribution for the robot to be in a given configuration by integrating the information that are in the measurements provided by the robot.
Date
:
01-06-2015
Description complète
2.6. The Bayes Filter
Partager
Sur Facebook
Sur Twitter
Sur Google+
Sur LinkedIn
Sur Viadeo
Par courriel
Sur Scoop.it
Sur Pinterest
Accéder aux documents
Canal-u.fr
2.7. Grid Localization: an example in 1D
Description
:
Now that we have the equations of the Bayes filter, we need a method in order to implement in real cases these equations. So, in the following, I want to discuss two methods, which are commonly adopted by the Mobile Robotics Community and, these, if you want, correspond to two extreme solutions beca ...
Date
:
01-06-2015
Description complète
2.7. Grid Localization: an example in 1D
Partager
Sur Facebook
Sur Twitter
Sur Google+
Sur LinkedIn
Sur Viadeo
Par courriel
Sur Scoop.it
Sur Pinterest
Accéder aux documents
Canal-u.fr
2.8. The Extended Kalman Filter (EKF)
Description
:
We have seen the grid localization, and the advantage of this approach is that we can deal with any kind of probability distribution; in particular we don't need to do a Gaussian assumption. The drawback is that the solution becomes very expensive. There exists another solution that is the Kalman fi ...
Date
:
01-06-2015
Description complète
2.8. The Extended Kalman Filter (EKF)
Partager
Sur Facebook
Sur Twitter
Sur Google+
Sur LinkedIn
Sur Viadeo
Par courriel
Sur Scoop.it
Sur Pinterest
Accéder aux documents
Canal-u.fr
3.1. Examples for the Action in the EKF
Description
:
In part 2, we have seen the equations of the Bayes filter, which are the general equations which allow us to update the probability distribution, as the data from both proprioceptive sensors and exteroceptive sensors are delivered. We have seen a possible implementation of these equations, based on ...
Date
:
01-06-2015
Description complète
3.1. Examples for the Action in the EKF
Partager
Sur Facebook
Sur Twitter
Sur Google+
Sur LinkedIn
Sur Viadeo
Par courriel
Sur Scoop.it
Sur Pinterest
Accéder aux documents
Canal-u.fr
3.2. Examples for the Perception in the EKF
Description
:
In this video we discuss the second two equations of the Kalman filter.
Date
:
01-06-2015
Description complète
3.2. Examples for the Perception in the EKF
Partager
Sur Facebook
Sur Twitter
Sur Google+
Sur LinkedIn
Sur Viadeo
Par courriel
Sur Scoop.it
Sur Pinterest
Accéder aux documents
Canal-u.fr
3.3. The EKF is a weight mean
Description
:
In this video I want to discuss the second two equations of the Kalman filter. And in particular I want to show that these actually perform a kind of weight mean.
Date
:
01-06-2015
Description complète
3.3. The EKF is a weight mean
Partager
Sur Facebook
Sur Twitter
Sur Google+
Sur LinkedIn
Sur Viadeo
Par courriel
Sur Scoop.it
Sur Pinterest
Accéder aux documents
Canal-u.fr
3.4. The use of the EKF in robotics
Description
:
In this video I want to explain the steps that we have to follow in order to implement an extended Kalman filter in robotics.
Date
:
01-06-2015
Description complète
3.4. The use of the EKF in robotics
Partager
Sur Facebook
Sur Twitter
Sur Google+
Sur LinkedIn
Sur Viadeo
Par courriel
Sur Scoop.it
Sur Pinterest
Accéder aux documents
Canal-u.fr
3.5. Simultaneous Localization and Mapping (SLAM)
Description
:
In this video, we are discussing the SLAM problem: simultaneous localization and mapping.
Date
:
01-06-2015
Description complète
3.5. Simultaneous Localization and Mapping (SLAM)
Partager
Sur Facebook
Sur Twitter
Sur Google+
Sur LinkedIn
Sur Viadeo
Par courriel
Sur Scoop.it
Sur Pinterest
Accéder aux documents
Canal-u.fr
3.6. Observability in robotics
Description
:
In this video we discuss a fundamental issue which arises when we deal with an estimation problem: understanding if the system contains enough information to perform the estimation of the state.
Date
:
01-06-2015
Description complète
3.6. Observability in robotics
Partager
Sur Facebook
Sur Twitter
Sur Google+
Sur LinkedIn
Sur Viadeo
Par courriel
Sur Scoop.it
Sur Pinterest
Accéder aux documents
Afficher section
2
sur 2