2.2. Characterization of proprioceptive and exteroceptive sensors

Dans la même collection

2.8. The Extended Kalman Filter (EKF)

2.7. Grid Localization: an example in 1D

2.6. The Bayes Filter

2.5. Reminds on probability

2.4. Sensor statistical models

2.1. Localization process in a probabilistic framework: basic concepts

Copier le code pour partager la vidéo :
<div style="position:relative;padding-bottom:56.25%;padding-top:10px;height:0;overflow:hidden;"><iframe src="https://www.canal-u.tv/video/inria/embed.1/2_2_characterization_of_proprioceptive_and_exteroceptive_sensors.26395?width=100%&height=100%" style="position:absolute;top:0;left:0;width:100%;height: 100%;" width="550" height="306" frameborder="0" allowfullscreen scrolling="no"></iframe></div> Si vous souhaitez partager une séquence, indiquez le début de celle-ci , et copiez le code : h m s

Producteur Canal-U :
Inria

2.8. The Extended Kalman Filter (EKF)

2.7. Grid Localization: an example in 1D

2.6. The Bayes Filter

2.5. Reminds on probability

2.4. Sensor statistical models

2.1. Localization process in a probabilistic framework: basic ...

2.3. Wheel encoders for a differential drive vehicle

Ecrire à la production

Ajouter la vidéo au cartable

Ajouter un moment favori

Contacter la chaine

J’aime

Ajouter à mon Canal-U

Sélectionner une séquence pour Mon Canal-U

Imprimer

RÉSUMÉ
TÉLÉCHARGEMENTS
documents

2.2. Characterization of proprioceptive and exteroceptive sensors

Before deriving the equations of the Bayes filter, I want to remind you a few concepts in the theory of probability, and also some mathematical characterization for the statistical error of the robot's sensors.
In particular, in this sequence, what I want to do, is to derive the link between the robot configuration, and the physical quantities that are measured by the robot's sensors.

Label UNT : UNIT
Date de réalisation : 1 Juin 2015

Durée du programme : 9 min

Classification Dewey : Applications. Automates, Génie informatique, Informatique - Traitement des données informatiques
Catégorie : Vidéocours

Niveau : niveau Master (LMD), 2ieme cycle

Disciplines : Informatique, Informatique

Collections : 2. Bayes and Kalman Filters

ficheLom : Voir la fiche LOM
Langue : Anglais

Mots-clés : robotics, autonomous vehicles, informatics, mobile robots

Conditions d’utilisation / Copyright : This course material is provided under Creative Commons License BY-NC-ND: the name of the author should always be mentioned ; the user can exploit the work except in a commercial context and he cannot make changes to the original work.