Wie modelliere ich das Rauschen in der Rückgabe eines Entfernungssensors?

Entfernungssensoren (z. B. Sonar, Infrarot und Lidar) sind notorisch verrauscht. Wie kann ich die Rauscheigenschaften charakterisieren, um sie in ein probabilistisches Lokalisierungssensormodell aufzunehmen?

Dieses Thema wird im Buch Probabilistic Robotics von Thrun et al. al. Ich habe keine direkte Referenz, aber es gibt einige seiner Artikel (wie Robust Monte Carlo Localization für mobile Roboter , pdf ), die im Wesentlichen dieselben Informationen enthalten. Normalerweise wird ein gemischtes Fehlermodell verwendet, bei dem die Wahrscheinlichkeitsdichtefunktion aus verschiedenen Teilen besteht

• Ein Gaußscher Fehler um die wahre Entfernungsmessung
• Ein Teil, der Fehlalarme wie dynamische Hindernisse usw. berücksichtigt. Dies ist bei kleineren Abständen größer.
• Ein konstanter Teil, der falsch negative Messwerte berücksichtigt, wobei der Sensor einen Messwert außerhalb des Bereichs ausgibt.

Das Modell muss an Ihren Sensor und Ihre Anwendung angepasst werden.

Fast jeder geht einfach davon aus, dass das Rauschen Gauß'sch ist, weil die Mathematik auf diese Weise relativ einfach ist.

Wenn Sie es wirklich wollten, könnten Sie die Verteilung des Sensorrauschens experimentell bestimmen, ein Modell daran anpassen und dieses verwenden, aber es wäre eine Menge Arbeit für möglicherweise keinen Gewinn.