Một particle chứa một quan sát của một ô vuông, nó xác định một id duy nhất vào trong cây cùng với dự đoán cho ô lứoi hay không ô lưới. Nếu robot muốn kiểm tra một điểm cụ thể, robot chỉ cần tìm kiếm qua các cây của particle đã cập nhật cho các ô. Đồng thời, ta có thể giữ cho các cây tổ tiên xung quanh cho biết khi nào ta có thể cắt tỉa hoặc giữ lại các nhánh của bản đồ phân phối particle. Một con không có nút anh em sẽ được sát nhập vào nút cha trong cây tổ tiên, trước tiên ta có thể xem xét danh sách các particle, con có thể thay đổi từ bản đồ cha và tạo ra sự thay đổi thích hợp trong lưới phân phối particle.
2.3.3. DP-SLAM trong thực tế
Trên thực tế, độ phức tạp của DP-SLAM đủ nhanh để thực hiện trong thời gian thực. Eliazar và Parr thực hiện DP-SLAM trên một robot nhỏ bằng cách sử dụng độ phân giải 3cm cho ô ô lưới và được gắn vào một corridor 60m sử dụng 9000 particle. Thời gian thu thập dữ liệu cho sự lặp lại của thuật toán DP-SLAM gần bằng lượng thời gian mà một máy tính 2.4GHz thực hiện các tính toán lặp. Hình 2.11 là bản đồ gồm các particle có trọng số cao nhất trong tổng số các particle.
Hình 2.11 Bản đồ DP-SLAM với 9000 particle (Nguồn Eliazar và Parr)
Trong hình vẽ trên, DP-SLAM có khả năng lập bản đồ ở một vùng lớn với độ chính xác cao. Không giống như FastSLam, DP-SLAM hoạt động mà không cần giả định hàng chục nghìn feature có sẵn và dễ theo dõi. Robot tạo ra vòng lặp hoàn chỉnh qua hành lang (corridor) và lập lại bản đồ ở cùng khu vực sau khi đi khoảng 60 m mà không cần liên hệ với những khu vực này. Mặc dù vậy, chúng ta thấy đường khác nhau khi gặp tường. Đây là thể hiện thực tế của DP-SLAM, nói chung là thực hiện công việc tốt với vòng lặp đóng mà KF xử lý kém. Rõ ràng, DP-SLAM là một phương pháp tốt cho bài toán SLAM trong một số môi trường, đặc biệt là khi lập bản đồ trong môi trường hai chiều là chấp nhận được và số lượng các feature có sẵn là không đủ cho các phương pháp khác.
CHƯƠNG 3: THỰC NGHIỆM 3.1. Mô hình thực nghiệm