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]]

== Quellen ==
# [http://robots.stanford.edu/papers/Montemerlo03a.pdf Montemerlo, M.; Thrun, S., u.a.: ''FastSLAM 2.0: An Improved Particle Filtering Algorithm for Simultaneous Localization and Mapping that Provably Converges''. In: Proceedings of IJCAI, 2003, S.&thinsp;1151-1156]

== Nützliche Artikel ==
*[[Navigation_eines_FTF_mit_ROS2| Y. Schmidt: Navigation eines FTF mit ROS2]]


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