> Figur 3: X, Y, og V koordinater, ved kørsel af PilotSquare.java [2].
I video 1 robotten igen i en firkant. Denne gang med de kalibrerede tal i kodestykke 1. Med de nye indstillinger lykkedes det robotten at være noget mere præcis. Og den holder bl.a. ikke tydeligt skævt som det kan ses i figur 2 i den sidste opgave.
I video 1, kører robotten igen i en firkant. Denne gang med de kalibrerede tal i kodestykke 1. Med de nye indstillinger lykkedes det robotten at være noget mere præcis. Og den holder bl.a. ikke tydeligt skævt som det kan ses i figur 2 i den sidste opgave.
[] (https://www.youtube.com/watch?v=5xH0wMBKEOQ&feature=youtu.be)
> Video 1: Kører i en firkant med et smart JAVA program.
...
...
@@ -60,15 +60,25 @@ I video 1 robotten igen i en firkant. Denne gang med de kalibrerede tal i kodest
#### Position tracking by means of particle filters
Vi kørte først robotten lige ud 10 gange for at kigge på tendenser i robottens slutninger. Første forsøg ses i figur 4 til venstre. Da vi konsekevent endte for kort med alle målinger, vurderede vi at vi ikke havde eliminerede alle systematiske fejl, og vi vendte tilbage til forige opgave for at justerer dette.
Vi kørte først robotten lige ud 10 gange for at kigge på tendenser i robottens slutposition. Vi gør dette for at se om det er i overensstemmelse med Monte Carlo's partikelfilter, og derved kan accepteres som ikke-systematiske fejl.
Første forsøg ses på figur 4 til venstre. Vi endte konsekevent for kort i alle målingerne, og vurderede derfor at vi ikke havde eliminerede alle systematiske fejl, og vi vendte tilbage til forige opgave for at justerer dette.
