屋内環境のための適応型拡張視覚ベースの楕円SLAM

本論文では、同時位置特定と地図作成（SLAM）の問題に対処するために、新しい拡張ランドマーク視覚ベースの楕円SLAMを提案します。このアルゴリズムはNAOヒューマノイドロボットに実装され、屋内環境でテストされます。このシステムの主な特徴は、単眼視覚システムを用いたSLAMの実装です。NAOマークと呼ばれる特定のランドマークを利用して、ロボットの単眼視覚システムを通じて位置を特定します。これにより、ロボットの拡張現実（RAR）という概念を紹介し、ランドマークの特定やデータ関連の問題を簡素化するために、単眼拡張カルマンフィルタ（EKF）/楕円SLAMを提示します。提案されたSLAMアルゴリズムはリアルタイムで実装され、楕円SLAMパラメータ、ノイズ制約をさらにキャリブレーションし、全体的な精度を向上させます。拡張EKF/楕円SLAMアルゴリズムは、通常のEKF/楕円SLAM手法と比較され、それぞれのアルゴリズムのメリットについても論じられています。リアルタイムの実験およびシミュレーション研究から、適応型拡張楕円SLAMは従来のEKF/楕円SLAMよりも正確であることが示唆されています。