Robust Estimation and Applications in Robotics
Die Lösung von Schätzungsproblemen ist eine grundlegende Komponente zahlreicher Robotikanwendungen. Prominente Beispiele sind die Posenschätzung, die Ausrichtung von Punktwolken und die Objektverfolgung. Algorithmen zur Lösung dieser Schätzprobleme müssen neue Herausforderungen bewältigen, die sich aus der zunehmenden Verwendung potenziell schlechter und preiswerter Sensoren und dem immer stärkeren Einsatz von Roboteralgorithmen in Konsumgütern ergeben, die in potenziell unbekannten Umgebungen arbeiten. Diese Algorithmen müssen in der Lage sein, gegen starke Nichtlinearitäten, hohe Unsicherheiten und zahlreiche Ausreißer robust zu sein. Vor allem in der Robotik ist die Gaußsche Annahme bei Lösungen für multivariate Parameterschätzungsprobleme jedoch weit verbreitet, ohne das gewünschte Maß an Robustheit zu bieten.
Das Buch Robust Estimation and Applications in Robotics setzt sich mit den oben genannten Herausforderungen auseinander, indem es eine Einführung in die robuste Schätzung mit besonderem Schwerpunkt auf der Robotik bietet. Zunächst wird ein knapper Überblick über die Theorie der M-Schätzung gegeben. M-Schätzer weisen viele der praktischen Eigenschaften von Least-Squares-Schätzern auf und sind gleichzeitig wesentlich robuster gegenüber Abweichungen von der Gaußschen Modellannahme. Anschließend werden mehrere Anwendungsbeispiele vorgestellt, bei denen die M-Schätzung eingesetzt wird, um die Robustheit gegenüber Nichtlinearitäten und Ausreißern zu erhöhen.
Robust Estimation and Applications in Robotics ist eine ideale Einführung in die robuste Statistik, die nur Vorkenntnisse der Wahrscheinlichkeitstheorie erfordert. Es enthält auch Beispiele für Robotikanwendungen, bei denen robuste statistische Werkzeuge einen Unterschied machen.
| ISBN: | 9781680832143 |
| Autor: | |
| Verlag: | |
| Sprache: | Englisch |
| Einband: | Taschenbuch |
Derzeit verfügbar, auf Lager.
