Umsetzung und Vergleich moderner SLAM-Verfahren mit MATLAB: Unterschied zwischen den Versionen

Aus HSHL Mechatronik
Zur Navigation springen Zur Suche springen
 
(12 dazwischenliegende Versionen desselben Benutzers werden nicht angezeigt)
Zeile 31: Zeile 31:


== Getting Started ==
== Getting Started ==
* [http://ais.informatik.uni-freiburg.de/teaching/ws17/mapping/pdf/probability-rules.pdf Grundlagend der Wahrscheinlichkeitsrechnung]
* [http://ais.informatik.uni-freiburg.de/teaching/ws17/mapping/pdf/Eustice05iros-mar-cond-gauss.png Marginalization and Conditioning of Gaussians (taken from Eustice et al, IROS 05)]
* [http://ais.informatik.uni-freiburg.de/teaching/ws17/mapping/pdf/murphy-gaussians.pdf K. Murphy: Gaußverteilung in MATLAB]
* [http://ais.informatik.uni-freiburg.de/teaching/ws17/mapping/pdf/imm3274.pdf  Petersen and Pedersen: The Matrix Cookbook]


== Weblinks ==
== Weblinks ==
Zeile 38: Zeile 43:


== Literatur ==
== Literatur ==
* Thrun, Burgard, Fox: Probabilistic Robotics, MIT Press, 2005, website
* [http://www.probabilistic-robotics.org/ Thrun, Burgard, Fox: ''Probabilistic Robotics''. MIT Press, 2005]
* Springer Handbook on Robotics, Chapter on Simultaneous Localization and Mapping (Chapt. 37 in 1st edition)
* [https://www.springer.com/de/book/9783540303015  Siciliano, B.; Khatib, O.: ''Handbook on Robotics''. Springer, 2008, Chapter on Simultaneous Localization and Mapping (Chapt. 37 in 1st edition)]
* Schoen and Lindsten: Manipulating the Multivariate Gaussian Density, 2011, pdf
* [https://www.amazon.de/Kalman-Filter-f%C3%BCr-Einsteiger-Matlab-Beispielen/dp/1502723786/ref=sr_1_1?__mk_de_DE=%C3%85M%C3%85%C5%BD%C3%95%C3%91&dchild=1&keywords=Kalman-Filter+f%C3%BCr+Einsteiger&qid=1595849386&s=books&sr=1-1 Kim, P.: Kalman-Filter für Einsteiger: mit MATLAB Beispielen. CreateSpace Independent Publishing: 2016. ISBN-13: 978-1502723789]
* Gian Diego Tipaldi: Notes on Univariate Gaussian Distributions and One-Dimensional Kalman Filters, 2015, pdf
* [http://www.rt.isy.liu.se/~schon/Publications/SchonL2011.pdf Schoen and Lindsten: ''Manipulating the Multivariate Gaussian Density''. 2011]
* Welch and Bishop: Kalman Filter Tutorial, 2011, pdf
* [http://ais.informatik.uni-freiburg.de/teaching/ws17/mapping/pdf/gaussian_notes.pdf Gian Diego Tipaldi: Notes on Univariate Gaussian Distributions and One-Dimensional Kalman Filters, 2015]
* Julier and Uhlmann: A New Extension of the Kalman Filter to Nonlinear Systems, 1995, pdf
* [http://ais.informatik.uni-freiburg.de/teaching/ws17/mapping/pdf/kalman_intro.pdf Welch and Bishop: ''Kalman Filter Tutorial'', 2011]
* Thrun, Liu, Koller, Ng, Ghahramani, Durrant-Whyte: Simultaneous Localization and Mapping With Sparse Extended Information Filters, 2004. pdf
* [http://www.cs.berkeley.edu/~pabbeel/cs287-fa12/optreadings/JulierUhlmann-UKF.pdf Julier and Uhlmann: A New Extension of the Kalman Filter to Nonlinear Systems, 1995]
* Eustice, Walter, Leonard: Sparse Extended Information Filters: Insights into Sparsification, IROS, 2005. pdf
* [http://robots.stanford.edu/papers/thrun.seif.pdf Thrun, Liu, Koller, Ng, Ghahramani, Durrant-Whyte: Simultaneous Localization and Mapping With Sparse Extended Information Filters, 2004]
* Montemerlo, Thrun, Kollar, Wegbreit: FastSLAM: A Factored Solution to the Simultaneous Localization and Mapping Problem, 2002, pdf
* [http://ais.informatik.uni-freiburg.de/teaching/ws17/mapping/pdf/Eustice05iros.pdf Eustice, Walter, Leonard: Sparse Extended Information Filters: Insights into Sparsification, IROS, 2005]
* Montemerlo, Thrun: Simultaneous Localization and Mapping with Unknown Data Association Using FastSLAM, 2003, pdf
* [http://www.cs.cmu.edu/~mmde/mmdeaaai2002.pdf Montemerlo, Thrun, Kollar, Wegbreit: FastSLAM: A Factored Solution to the Simultaneous Localization and Mapping Problem, 2002]
* Grisetti, Stachniss, Burgard: Improved Techniques for Grid Mapping with Rao-Blackwellized Particle Filters, 2007, pdf
* [http://www.cs.cmu.edu/~mmde/mmdeicra2003.pdf Montemerlo, Thrun: Simultaneous Localization and Mapping with Unknown Data Association Using FastSLAM, 2003]
* Stachniss, Grisetti, Burgard, Roy: Analyzing Gaussian Proposal Distributions for Mapping with Rao-Blackwellized Particle Filters, 2007, pdf
* [http://www.informatik.uni-freiburg.de/~stachnis/pdf/grisetti07tro.pdf Grisetti, Stachniss, Burgard: Improved Techniques for Grid Mapping with Rao-Blackwellized Particle Filters, 2007]
* Madsen, Nielsen, Tingleff: Methods for Non-Linear Least Squares Problems, 2004, pdf
* [http://www.informatik.uni-freiburg.de/~stachnis/pdf/stachniss07iros.pdf Stachniss, Grisetti, Burgard, Roy: Analyzing Gaussian Proposal Distributions for Mapping with Rao-Blackwellized Particle Filters, 2007]
* Grisetti, Kuemmerle, Stachniss, Burgard: A Tutorial on Graph-Based SLAM, 2010, pdf
* [http://ais.informatik.uni-freiburg.de/teaching/ws17/mapping/pdf/imm3215.pdf Madsen, Nielsen, Tingleff: Methods for Non-Linear Least Squares Problems, 2004]
* Grisetti, Kuemmerle, Stachniss, Frese, Hertzberg: Hierarchical Optimization on Manifolds for Online 2D and 3D Mapping, 2010, pdf
* [http://www.informatik.uni-freiburg.de/~stachnis/pdf/grisetti10titsmag.pdf Grisetti, Kuemmerle, Stachniss, Burgard: A Tutorial on Graph-Based SLAM, 2010]
* Olson, Agarwal: Inference on Networks of Mixtures for Robust Robot Mapping, 2013, pdf
* [http://www.informatik.uni-freiburg.de/~stachnis/pdf/grisetti10icra.pdf Grisetti, Kuemmerle, Stachniss, Frese, Hertzberg: Hierarchical Optimization on Manifolds for Online 2D and 3D Mapping, 2010]
* Agarwal, Tipaldi, Spinello, Stachniss, Burgard: Robust Map Optimization Using Dynamic Covariance Scaling, 2013, pdf
* [http://ais.informatik.uni-freiburg.de/teaching/ws17/mapping/pdf/olson13ijrr.pdf Olson, Agarwal: Inference on Networks of Mixtures for Robust Robot Mapping, 2013]
* Olson, Leonard, Teller: Fast Iterative Optimization of Pose Graphs with Poor Initial Estimates, 2006, pdf
* [http://www.informatik.uni-freiburg.de/~stachnis/pdf/agarwal13icra.pdf Agarwal, Tipaldi, Spinello, Stachniss, Burgard: Robust Map Optimization Using Dynamic Covariance Scaling, 2013]
* Grisetti, Stachniss, Burgard: Non-linear Constraint Network Optimization for Efficient Map Learning, 2009, pdf
* [http://april.eecs.umich.edu/pdfs/olson2006icra.pdf Olson, Leonard, Teller: Fast Iterative Optimization of Pose Graphs with Poor Initial Estimates, 2006]
* Olson: Recognizing Places using Spectrally Clustered Local Matches, 2009, pdf
* [http://www.informatik.uni-freiburg.de/~stachnis/pdf/grisetti09its.pdf Grisetti, Stachniss, Burgard: Non-linear Constraint Network Optimization for Efficient Map Learning, 2009]
* Tipaldi, Arras: FLIRT -- Interest Regions for 2D Range Data, 2010, pdf
* [http://april.eecs.umich.edu/pdfs/olson2009ras.pdf Olson: Recognizing Places using Spectrally Clustered Local Matches, 2009]
* [http://www.informatik.uni-freiburg.de/~tipaldi/papers/tipaldiICRA10.pdf Tipaldi, Arras: FLIRT -- Interest Regions for 2D Range Data, 2010]


== Siehe auch ==
== Siehe auch ==

Aktuelle Version vom 27. Juli 2020, 12:06 Uhr

Autoren: Melzer, K.
Betreuer: Prof. Schneider
Art: bachelorarbeit
Projektlaufzeit: TBD

Motivation

Mobile Roboter, wie beispielsweise Saugroboter, müssen ihr Umfeld kartografieren und sich gleichzeitig in dieser Karte lokalisieren, um systematisch zu reinigen. Dieses Verfahren nennt sich in der Robotik SLAM (englisch Simultaneous Localization and Mapping; deutsch Simultane Positionsbestimmung und Kartenerstellung).

Ziel

Moderne SLAM-Verfahren werden recherchiert, um den Stand der Technik arzustellen. Diese Verfahren werden anhand technischer Kriterien verglichen und bewertet. Die TOP 3 Verfahren werden in der Simulationssoftware MATLAB umgesetzt um die Bewertung simulativ zu validieren.

Aufgabenstellung

  1. Recherche; Einarbeitung in das Thema anhand von Fachliteratur
  2. Entwicklung von Kriterien zur Bewertung von SLAM-Verfahren
  3. Vergleich der Anhand SLAM-Verfahren mithilfe eines morphologischen Kastens
  4. Bewertung der SLAM-Verfahren
  5. Simulation der TOP 3 Verfahren in MATLAB
  6. Vergleich der Simulationsergebnisse
  7. Schlussfolgerung der Resultate
  8. Zusammenfassung der Ergebnisse und Ausblick


Erwartungen an die Projektlösung

  • Arbeit wird im HSHL Wiki eingetragen und gepflegt
  • Arbeit nach wissenschaftlichem Standard
  • Erstellung eines ausführlichen Versuchsplan zur Prüfbarkeit
  • Wöchentliche Fortschrittberichte


Video

Getting Started

Weblinks

Literatur

Siehe auch

  1. Studentische Arbeiten bei Prof. Schneider
  2. Anforderungen an eine wissenschaftlich Arbeit

BSD-Lizenzbedingung BSD-Lizenz

Copyright (c) 2018, Hochschule Hamm-Lippstadt, Dep. Lip. 1, Prof. Schneider
Hochschule Hamm-Lippstadt. Alle Rechte vorbehalten.


→ zurück zur Übersicht: Studentische Arbeiten