Self Localization and Mapping (SLAM) mit Lidar- oder Kamera: Unterschied zwischen den Versionen
Zur Navigation springen
Zur Suche springen
Keine Bearbeitungszusammenfassung |
|||
Zeile 14: | Zeile 14: | ||
== SLAM Theorie == | == SLAM Theorie == | ||
'''Formulierung des SLAM Problems''' | |||
== Anforderung == | == Anforderung == |
Version vom 26. Mai 2014, 08:24 Uhr
Autor: Martin Berysztak
Betreuer: Prof. Schneider
Aufgabenstellung
- Inbetriebnahme Hardware an einem Lego Mindstorms NXT oder EV3
- Regelung eines Fahrzeugs in der Mitte eines Ganges
- Kartografierung der Umwelt
- Rückfahrt auf dem schnellsten Weg
- Kartografierung der Strecke
- Optimierung der Fahrparameter (Geschwindigkeit, optimaler Kurs)
- Dokumentieren Sie Ihre Vorgehensweise fortlaufend wissenschaftlich.
SLAM Theorie
Formulierung des SLAM Problems
Anforderung
Besuch der Veranstaltung Praxisseminar
Empfohlene Zusatzkurse
Siehe auch
Weblinks
- SLAM (Simultaneous Localization and Mapping) for beginners: the basics
- SLAM 4 Dummies
- OpenSLAM
- EKF-SLAM Toolbox for MATLAB
- YouTube:SLAM in MATLAB (Weighted Scan Matching & Wheel Odometry)
- YouTube: Laser scanner localization and mapping
- TinySlam: tinySLAM is Laser-SLAM algorithm which has been programmed in less than 200 lines of C-language code.
- SLAM an der TU Chemnitz
- Matlab SLAM Homepage
- SLAM w/ Hokyu Laser Ranger Finder
- An Evaluation of 2D SLAM Techniques Available
- Towards Model-Free SLAM Using a Single Laser Range Scanner for Helicopter MAV
Projekttracking
→ zurück zum Hauptartikel: Studentische Arbeiten