SLAM mit LiDAR: Unterschied zwischen den Versionen

Version vom 3. Januar 2020, 13:21 Uhr

Autoren: Arndt, S.
Betreuer: Prof. Schneider
Art: Projektarbeit
Projektlaufzeit: TBD

Motivation

Mobile Roboter, wie beispielsweise Saugroboter, müssen wissen, wo sie sich befinden, um effizient zu reinigen. Hierzu müssen sie ihre Umgebung kartografieren und sich in dieser entstehenden Karte selbst lokalisieren.

Ziel

Realisieren Sie einen SLAM-Algorithmus mit LiDAR-Sensorik und dem 2D-Scan-Matching Verfahren.

Anforderungen

Recherchieren Sie nach Methoden zum 2D-Scan-Matching und wählen Sie ein effizientes Verfahren aus.
Zeichnen Sie als Eingangsdaten Roboterfahrten (LiDAR und Odometrie) auf.
Verarbeiten Sie diese Eingangsdaten mit Matlab.
Stellen Sie Ihre Ergebnisse in Matlab dar.
Stellen Sie die Objekte im Sichtfeld in der Draufsich metrisch dar.
Schätzen Sie die Genauigkeit Ihres Algorithmus ab.
Wissenschaftliche Dokumentation als HSHL-Wiki Artikel
Softwareentwicklung nach HSHL Standard in SVN
Funktionsnachweis als YouTube-Video

Video

Verlinken Sie hier ein YouTube-Video zu Ihrem fertigen Projekt. Tipps zum Video finden Sie hier.

Weblinks

Literatur

Siehe auch

BSD-Lizenzbedingung BSD-Lizenz

→ zurück zum Hauptartikel: Studentische Arbeiten

@@ Zeile 1: / Zeile 1: @@
-https://www.mathworks.com/help/nav/ug/implement-simultaneous-localization-and-mapping-with-lidar-scans.html
+'''Autoren:'''  [[Benutzer:Stefan_Arndt|Arndt, S.]]<br/>
-* https://essay.utwente.nl/71535/1/Folmer_MA_EEMCS.pdf
+'''Betreuer:''' [[Benutzer:Ulrich_Schneider| Prof. Schneider]]<br/>
+'''Art:''' Projektarbeit<br>
+'''Projektlaufzeit:''' TBD
+[[Datei:ScanMatchingExample 02.png|mini|400px|Abb. 1: 2D-Scan-Matching]]
+== Motivation ==
+Mobile Roboter, wie beispielsweise Saugroboter, müssen wissen, wo sie sich befinden, um effizient zu reinigen. Hierzu müssen sie ihre Umgebung kartografieren und sich in dieser entstehenden Karte selbst lokalisieren.
+== Ziel ==
+Realisieren Sie einen SLAM-Algorithmus mit LiDAR-Sensorik und dem 2D-Scan-Matching Verfahren.
+== Anforderungen ==
+# Recherchieren Sie nach Methoden zum 2D-Scan-Matching und wählen Sie ein effizientes Verfahren aus.
+# Zeichnen Sie als Eingangsdaten Roboterfahrten (LiDAR und Odometrie) auf.
+# Verarbeiten Sie diese Eingangsdaten mit Matlab.
+# Stellen Sie Ihre Ergebnisse in Matlab dar.
+# Stellen Sie die Objekte im Sichtfeld in der Draufsich metrisch dar.
+# Schätzen Sie die Genauigkeit Ihres Algorithmus ab.
+# Wissenschaftliche Dokumentation als HSHL-Wiki Artikel
+# Softwareentwicklung nach HSHL Standard in SVN
+# Funktionsnachweis als YouTube-Video
+== Video ==
+Verlinken Sie hier ein YouTube-Video zu Ihrem fertigen Projekt. Tipps zum Video finden Sie [[Erwartungen_an_Präsentation_und_Dokumentation#YouTube_Clip|hier]].
+== Weblinks ==
+* [https://www.youtube.com/watch?v=nvFcN2-NqRc SLAM Course - 12 - Scan-Matching in 5 Min - Cyrill Stachniss]
+* [https://www.youtube.com/watch?v=C8M7weK_Dhs Simultaneous Localization And Mapping (SLAM) with Scan Matching]
+* [https://youtu.be/VoAdXGMzirU Iterative Closest Point algorithm for point clouds in Matlab]
+* [https://www.mathworks.com/help/nav/ug/implement-simultaneous-localization-and-mapping-with-lidar-scans.html]
+* [https://essay.utwente.nl/71535/1/Folmer_MA_EEMCS.pdf]
+== Literatur ==
+== Siehe auch ==
+#[[Studentische_Arbeiten_bei_Prof._Schneider|Studentische Arbeiten bei Prof. Schneider]]
+#[[Anforderungen_an_eine_wissenschaftlich_Arbeit| Anforderungen an eine wissenschaftlich Arbeit]]
+== [[BSD-Lizenzbedingung BSD-Lizenz]] ==
+Copyright (c) 2018, Hochschule Hamm-Lippstadt, Dep. Lip. 1, [[Benutzer:Ulrich_Schneider| Prof. Schneider]]<br/>
+Hochschule Hamm-Lippstadt. Alle Rechte vorbehalten.
+----
+→ zurück zum Hauptartikel: [[Studentische_Arbeiten| Studentische Arbeiten]]