Quelltext der Seite Implementierung von FastSLAM 2.0 und Tests in Outdoor-Simulationsumgebungen

[[Kategorie:AMR]] 
[[Datei:FastSlam2_0.jpg|thumb|rigth|400px|Abb. 1: FastSLAM 2.0]]
{|
|-
| '''Autor:'''  || [[Benjamin Dilly]]
|-
| '''Modul:''' || Bachelorarbeit, MTR-B-2-7.01
|-
|  '''Starttermin''': || TBD
|-
|  '''Abgabetermin''': || TBD
|-
|  '''Prüfungsform''': ||  Modulabschlussprüfung als schriftliche Dokumentation (Bachelorarbeit) im Umfang von 30 bis 60&thinsp;Seiten Textteil und Präsentation (15&thinsp;Minuten) zzgl. Kolloquiumsdiskussion (15-30&thinsp;Minuten).
|-
|  '''Betreuer''': || [[Benutzer:Ulrich_Schneider| Prof. Dr.-Ing. Schneider]], Tel. 806; Stefan Arndt, [https://www.hanning-hew.com/de/ HANNING ELEKTRO-WERKE GmbH & Co. KG]
|-
|  '''Mitarbeiter''': ||  [[Benutzer:Marc Ebmeyer| Marc Ebmeyer]], Tel. 847
|}
== Einleitung ==
Algorithmen zur Simultanen Positionsbestimmung und Kartierung (Engl.: Simultaneous Localization and Mapping, SLAM) sind ein wichtiger Bestandteil in der Mobilen Robotik. Da heutzutage meist hochauflösende Laserscanner eingesetzt werden, haben sich Scan-Matching basierende SLAM-Algorithmen für die Indoor-Anwendung durchgesetzt. Jedoch scheitern diese Algorithmen in unstrukturierten und spärlich belegten Umgebungen (kaum bis keine Wände, geringe Anzahl an Messpunkte durch den Laserscanner), wie es im Outdoor-Bereich der Fall ist. Eine Möglichkeit, um in dieser Umgebung zu navigieren, ist die Verwendung eines Landmarken-basierenden SLAM-Verfahrens. Eines dieser Verfahren ist FastSLAM 2.0, das markante Umgebungsmerkmale (Features) mithilfe einer Gaußverteilung modelliert. Die verschiedenen Möglichkeiten der Trajektorie als auch der gesamten Karte werden durch Partikel abgebildet (siehe [1])
Da in einem industriellen Umfeld sowohl Indoor als auch Outdoor-Navigation verlangt wird, sollen beide SLAM-Algorithmen bei Hanning zum Einsatz kommen.


== Zielsetzung ==
Ziel der Arbeit ist die Implementierung von FastSLAM 2.0 in modernem '''C++''' (>= 17) unter Verwendung des '''Robot Operating System 2 (ROS2) Humble''' und das Testen in verschiedenen Outdoor-Simulationsumgebungen. 

Eigenschaften der Umgebung können hierbei folgende sein:
* Bodenbeschaffenheit (flach oder uneben)
* Wenige bis viele Features
* Langer oder kurzer Weg bis zum nächsten Indoor-Bereich
* Features verschwinden oder tauchen auf

Von dem Softwaremodul FastSLAM 2.0 werden besondere Anforderungen verlangt:
=== Feature-Management ===
Features sind häufig nicht statisch, d.h. sie können über die Zeit aus der Umgebung verschwinden, werden versetzt oder neue kommen dazu. Das Softwaremodul soll damit automatisiert umgehen können.

=== Konfidenzwert der Lokalisierung ===
Die Lokalisierung mittels FastSLAM 2.0 soll probabilistisch bewertet werden. Hierbei können verschiedene Kriterien zum Einsatz kommen, wie z.&#8239;B.: Anzahl der erkannten Features, Abweichung der Messung zu den Features, Kovarianz der Features, Verteilung der Partikel etc. Die Motivation hierbei ist es, mithilfe des Confidence-Werts eine automatische Umstellung von Indoor- und Outdoor-SLAM durchführen zu können.

=== Parametrierung===
Anzahl der Partikel, Ungenauigkeit des Antriebsstrang (Odometrie), verwendete Reichweite des Laserscanners (usable Range), Rastergröße der Karte

=== Schnittstelle (ROS2) ===
* Input: Odometrie, Laserscanner
* Output: Occupancy Grid Map (Rasterkarte), globale Position bzw. Transformation, Confidence-Wert

== Aufgabenstellung ==
* Einarbeitung in ROS2
* Implementierung des Softwaremoduls FastSLAM 2.0
* Testen in geeigneter Simulationsumgebungen (z.&#8239;B. WeBots)
* Testen in geeigneten Umgebungen 
* Auswertung der Ergebnisse unter Berücksichtung der Outdoor-Navigation
* Dokumentation im HSHL-Wiki


== Anforderungen an die wissenschaftliche Arbeit ==
* Wissenschaftliche Vorgehensweise (Projektplan, etc.), nützlicher Artikel: [[Gantt-Diagramm| Gantt Diagramm erstellen]]
* Wöchentlicher Fortschrittsberichte (informativ), aktualisieren Sie das [[Diskussion:Mono-Vision für ein autonomes Fahrzeug|Besprechungsprotokoll]] - Live Gespräch mit Prof. Schneider
* Projektvorstellung im Wiki
* Tägliche Sicherung der Arbeitsergebnisse in SVN
* Tägliche Dokumentation der geleisteten Arbeitsstunden
*[[Studentische_Arbeiten_bei_Prof._Schneider|Studentische Arbeiten bei Prof. Schneider]]
*[[Anforderungen_an_eine_wissenschaftlich_Arbeit| Anforderungen an eine wissenschaftlich Arbeit]]

== SVN-Repositorium ==
* [https://svn.hshl.de/svn/Robotik_und_Autonome-Systeme/trunk/ https://svn.hshl.de/svn/Robotik_und_Autonome-Systeme/trunk/]

== Getting started ==
Lesen Sie zum Einstieg diese Artikel
*[[Gantt-Diagramm| Gantt Diagramm erstellen]]
*[[Wiki-Artikel_schreiben | Tipps zum Schreiben eines Wiki-Artikels]]
*[[Software_Planung| PAP Designer Einstieg]]
*[[Software_Versionsverwaltung_mit_SVN| Einführung in SVN]]

== Erweiterungsdokument ==
In dem [https://wiki.hshl.de/wiki/index.php/Datei:Systemeinrichtung_zum_Arbeiten_mit_ROS2_Humble.pdf Erweiterungsdokument] zur Bachelorarbeit, können die Informationen:
*zur Einrichtung eines Dual-Boot-Systems, 
*eine grundlegende Einführung in die Funktionsweise von ROS, 
*eine Einführung in die Programmierung mit [https://docs.ros.org/en/humble/Installation/Ubuntu-Install-Debians.html ROS2 Humble], C++ und [https://code.visualstudio.com/ Visual Studio Code], 
*als auch eine Einführung in die Programmierung mit Visual Studio Code, C++ und [https://cmake.org/ CMake] gefunden werden.

== Tools ==
Die während der Arbeit verwendeten Tools, werden im folgenden aufgelistet:
*[https://www.yworks.com/yed-live/ yEd live zum Erstellen von Graphen wie PAP]
*[https://matlab.mathworks.com/ Matlab]
*Excel (Visualisierung der CSV-Exportierten Projektauswertungen)
*Visual Studio Code
*Colcon (Zum Bauen von ROS-Paketen)
*ROS2 Humble
*RViz (Zur Visualisierung der Simulation)
*Webots (Simulationsumgebung)
*[https://eigen.tuxfamily.org/index.php?title=Main_Page Eigen (Matrix-Bibliothek C++)]
*Teleop-Twist-Keyboard (Steuerung des Roboters über Konsole)
*CMake zur Programmierung mit C++ und Visual Studio Code
*Ubuntu 22.04.3 als sekundäres Betriebssystem ([https://cdimage.ubuntu.com/releases/jammy/release/source/ubuntu-22.04.3-src-1.iso ISO-Image Download])
*Windows 10 Home als primäres Betriebssystem
*Rufus zur Erstellung eines Boot-Fähigen USB-Stick (32 GB)
*[https://github.com/jbeder/yaml-cpp Yaml-cpp] zum Erstellen von YAML-Files mittels C++
*OpenMP zur parallelen Programmierung und Nutzung von Eigen

== Nützliche Artikel ==
*[[Navigation_eines_FTF_mit_ROS2| Y. Schmidt: Navigation eines FTF mit ROS2]]
*[[ROS2 Tutorial| P. Ajay: ROS2 Tutorial]]
*[[Webots|A. Talovic: Webots]]

== Nützliche Links ==
*[https://cmake.org/ CMake]
<br>
*[https://www.openmp.org/ OpenMP (Paralleles Programmieren)]
*[https://www.openmp.org/resources/tutorials-articles/ OpenMP Tutorials und Paper]
<br>
*[https://wiki.ros.org/rqt_graph Rqt Graph]
*[https://github.com/ros-teleop/teleop_twist_keyboard teleop_twist_keyboard]
*[https://colcon.readthedocs.io/en/released/user/quick-start.html Colcon]
*[https://www.ros.org/reps/rep-0105.html ROS-Koordinatensysteme]
*[https://docs.nav2.org/ ROS2 Navigation Stack (NAV2)]
*[https://docs.ros.org/en/humble/Tutorials.html ROS2 Humble Tutorials]
*[https://docs.ros.org/en/humble/Installation/Ubuntu-Install-Debians.html Installation der Desktop-Version von ROS2 Humble]
*[https://docs.ros.org/en/foxy/Tutorials/Intermediate/Tf2/Writing-A-Tf2-Static-Broadcaster-Cpp.html ROS2 Tf2-Tutorials (Koordinatentransformationen)]
*[https://wiki.ros.org/tf2_ros Tf2_ros Tutorials (Koordinatentransformation)]
<br>
*[https://cyberbotics.com/doc/reference/index Webots Documentation]
*[https://cyberbotics.com/doc/guide/foreword Webots User Guide]
*[https://www.youtube.com/watch?v=2CWHfbuEbAY&list=PLt69C9MnPchlWEV5AEhfT2HajlE2SJ55V Webots Tutorials (Videos)]
*[https://ubuntu.com/tutorials/install-ubuntu-desktop#13-additional-installing-ubuntu-alongside-windows-with-bitlocker Additional installing Ubuntu alongside windows with Bitlocker activated]
<br>
*[https://docs.ros.org/en/rolling/Tutorials/Intermediate/RViz/RViz-User-Guide/RViz-User-Guide.html RViz ROS2 Dokumentation]
<br>
*[https://openslam-org.github.io/bailey-slam.html SLAM-Package von Bailey Tim]
*[https://www.youtube.com/playlist?list=PLgnQpQtFTOGQrZ4O5QzbIHgl3b1JHimN_ SLAM-Kurs von Cyrill Stachniss (Videos)]
*[https://www.youtube.com/playlist?list=PLn8PRpmsu08rLRGrnF-S6TyGrmcA2X7kg SLAM-Themeneinführung-Einführung Matlab (Videos)]

== Wichtige ROS-Topics ==
*[https://index.ros.org/p/nav_msgs/ nav_msgs]
*[https://docs.ros.org/en/ros2_packages/rolling/api/geometry_msgs/index.html geometry_msgs]
*[https://index.ros.org/p/sensor_msgs/ sensor_msgs]
*[https://docs.ros.org/en/jade/api/tf2_msgs/html/msg/TFMessage.html tf2_msgs]

== Literatur ==
# THRUN, S. und OTHERS. ''Probabilistic Robotics''. Massachusetts: The MIT Press, 2006. ISBN 978-0-262-20162-9.
# TU-DRESDEN. ''RoboLab Documentation v2024.5.1. Odometrie'' [online], 2024 [Zugriff am: 22. Mai 2024].
# MONTEMERLO, M. und OTHERS. ''FastSLAM 2.0: An Improved Particle Filtering Algorithm for Simultaneous Localization and Mapping that Provably Converges'', 2003.
# FRESE, U., R. WAGNER und T. RÖFER. ''A SLAM Overview from a User’s Perspective''. In: Springer-Verlag, 2010, S. 191-198.
# ALSADIK, B. und S. KARAM. ''The Simultaneous Localization and Mapping (SLAM)-An Overview''. SURVEYING AND GEOSPATIAL ENGINEERING JOURNAL, 2021, 2(1), 1-12.
# LV, T.-Z., C.-X. ZHAO und H.-F. ZHANG. ''An Improved FastSLAM Algorithm Based on Revised Genetic Resampling and SR-UPF''. International journal of automation and computing, 2018, 325-334. doi: 10.1109/TIE.2018.2854557.
# ABOUZAHIR, M. und OTHERS. ''FastSLAM 2.0 Running On a Low-Cost Embedded Architecture''. In: 13th International Conference on Control, Automation, Robotics & Vision, 2014, S. 1421-1426.
# BEUTELSPACHER, A. ''Lineare Algebra. Eine Einführung in die Wissenschaft der Vektoren, Abbildungen und Matrizen''. Springer Spektrum, 2014. ISBN 978-3-658-02413-0.
# IOANNIDOU, S. und G. PANTAZIS. ''Helmert Transformation Problem. From Euler Angles Method to Quaternion Algebra'' [online]. ISPRS Int. J. Geo-Inf., 2020, 9. Verfügbar unter: doi:10.3390/ijgi9090494
# GRISETTI, G., C. STACHNISS und W. BURGARD. ''Improved Techniques for Grid Mapping with Rao-Blackwellized Particle Filters'', 2007.
# GRISETTI, G., C. STACHNISS und W. BURGARD. ''Improving Grid-based SLAM with Rao-Blackwellized Particle Filters by Adaptive Proposals and Selective Resampling'', 2005.
# THRUN, S. und OTHERS. ''FastSLAM: An Efficient Solution to the Simultanious Localization And Mapping with Unkown Data Association'' [online], 2004 [Zugriff am: 22. Mai 2024].
# ALI, S.S., A. HAMMAD und A.S. TAG ELDIEN. ''A Novel Implementation for FastSLAM 2.0 Algorithm Based on Cloud Robotics''. In: 13th International Computer Engineering Conference (ICENCO), 2017.
# SCHÄFER, T. ''Methodenlehre und Statistik''. Wiesbaden: Springer Fachmedien, 2016. ISBN 978-3-658-11936-2.
# KLANCAR, G., A. ZDESAR, S. BLAZIC und I. SKRJANC. ''Wheeled Mobile Robotics: From Fundamentals Towards Autonomous Systems''. Elsevier Inc, 2017. ISBN 978-0-12-804204-5.
# ABBEL, P. und OTHERS. ''Discriminative Training of Kalman Filters''.
# STACHNISS, C., D. HÄHNEL und W. BURGARD. ''Exploration with Active Loop-Closing for FastSLAM'', 2004.
# ALI, S.S., A. HAMMAD und A. S. TAG ELDIEN. ''Cloud-based map alignment strategies for multi-robot FastSLAM 2.0''. International Journal of Distributed, 2019, 15(3), 1-7.
# KIM, P. ''Kalman-Filter für Einsteiger mit MATLAB Beispielen''. CreateSpace Independent Publishing, 2016. ISBN 978-1502723789.


----
→ zurück zum Hauptartikel: [[Studentische_Arbeiten|Studentische Arbeiten]]