SLAM. Navigationskonzepte für autonome Fahrzeuge

Inhaltsverzeichnis

• Einleitung
• Problemstellung
• Überblick über SLAM
• Gemeinsame Begriffe
• Inertialnavigation (Dead Reckoning)
• Landmarken
• Kalman Filter
• Landmarkenfindung
• Pattern Matching
• SPIKES
• RANSAC Random Sample Consensus
• EKF SLAM
• FAST SLAM
• Weitere Entwicklungen
• EKF SLAM auf AICC
• Landmarkenfindung
• RANSAC zur Wanderkennung
• Ermittlung der Eckpunkte
• Extended Kalman Filter
• Aufbau und Inhalt der Filtermatrizen
• Vorhersage (state prediction)
• Datenassoziation
• Korrektur (state correction)
• Hinzufügen neuer Landmarken
• Erkenntnisse aus der Implementierung

Zielsetzung und Themenschwerpunkte

Diese Bachelorarbeit befasst sich mit der Implementierung eines SLAM-Algorithmus (Simultaneous Localization and Mapping) auf dem AICC (Artificial Intelligence Concept Car) Prototypen. Ziel ist es, ein autonomes Navigationssystem zu entwickeln, das ohne GPS-Unterstützung die Position des Fahrzeugs bestimmen und gleichzeitig eine Karte der Umgebung erstellen kann. Die Arbeit analysiert verschiedene SLAM-Konzepte und dokumentiert die Implementierung des gewählten EKF-SLAM Ansatzes.

• Autonome Navigation ohne GPS
• SLAM-Algorithmen und deren Funktionsweise
• Implementierung von EKF-SLAM auf dem AICC
• Landmarkenfindung und -verarbeitung
• Bewertung der Ergebnisse und Vorschläge für zukünftige Entwicklungen

Zusammenfassung der Kapitel

Einleitung: Die Einleitung erläutert die Herausforderungen der autonomen Navigation, insbesondere in Umgebungen ohne GPS-Signal. Sie hebt den Unterschied zwischen ferngesteuerten und skriptgesteuerten Fahrzeugen hervor und betont die Notwendigkeit eines selbstständigen Systems zur Lösungsfindung des Problems "Wie komme ich von Punkt A nach Punkt B". Die Arbeit führt das Konzept von SLAM (Simultaneous Localization and Mapping) als Kernproblem der autonomen Navigation ein und beschreibt seine Bedeutung im Kontext des AICC Projekts.

Überblick über SLAM: Dieses Kapitel bietet einen umfassenden Überblick über verschiedene SLAM-Ansätze. Es definiert grundlegende Begriffe wie Inertialnavigation, Landmarken und Kalman-Filter. Es beschreibt verschiedene Methoden zur Landmarkenfindung, darunter Pattern Matching, SPIKES und RANSAC, und vergleicht verschiedene SLAM-Varianten, wie EKF-SLAM und FAST-SLAM. Der Fokus liegt auf dem Verständnis der verschiedenen Techniken und ihrer jeweiligen Vor- und Nachteile im Kontext der autonomen Navigation.

EKF SLAM auf AICC: Dieses Kapitel konzentriert sich auf die konkrete Implementierung des EKF-SLAM Algorithmus auf dem AICC. Es beschreibt detailliert die Landmarkenfindung mithilfe von RANSAC und die Ermittlung der Eckpunkte. Der Aufbau und die Funktionsweise des Extended Kalman Filters werden ausführlich erklärt, einschließlich der Vorhersage, Datenassoziation, Korrektur und der Integration neuer Landmarken. Der Abschnitt dokumentiert die praktischen Erfahrungen bei der Implementierung und bewertet die Ergebnisse.

Schlüsselwörter

Robotik, Navigation, SLAM, Kalman-Filter, Extended Kalman-Filter, RANSAC, AICC, autonome Fahrzeuge, Landmarkenfindung, Kartenerstellung, Positionsbestimmung.

Häufig gestellte Fragen zur Bachelorarbeit: Implementierung eines SLAM-Algorithmus auf dem AICC

Was ist der Gegenstand dieser Bachelorarbeit?

Die Arbeit befasst sich mit der Implementierung eines SLAM-Algorithmus (Simultaneous Localization and Mapping) auf dem AICC (Artificial Intelligence Concept Car) Prototypen. Ziel ist die Entwicklung eines autonomen Navigationssystems, das ohne GPS die Fahrzeugposition bestimmt und gleichzeitig eine Umgebungskarte erstellt.

Welche SLAM-Konzepte werden analysiert?

Die Arbeit analysiert verschiedene SLAM-Konzepte, darunter Inertialnavigation, Landmarkenfindung (mit Methoden wie Pattern Matching, SPIKES und RANSAC), Kalman-Filter und verschiedene SLAM-Varianten wie EKF-SLAM und FAST-SLAM. Der Fokus liegt auf dem EKF-SLAM Ansatz.

Wie funktioniert der implementierte EKF-SLAM Algorithmus?

Die Implementierung auf dem AICC nutzt RANSAC zur Wanderkennung und Eckpunktermittlung. Der Extended Kalman Filter (EKF) beinhaltet Vorhersage, Datenassoziation, Korrektur und die Integration neuer Landmarken. Der Aufbau und die Funktionsweise der Filtermatrizen werden detailliert beschrieben.

Welche Herausforderungen werden in der Arbeit behandelt?

Die Arbeit adressiert die Herausforderungen der autonomen Navigation ohne GPS-Unterstützung. Es wird der Unterschied zwischen ferngesteuerten und skriptgesteuerten Fahrzeugen hervorgehoben und die Notwendigkeit eines selbstständigen Navigationssystems betont.

Welche Ergebnisse werden präsentiert?

Die Arbeit dokumentiert die Implementierung des EKF-SLAM Algorithmus, beschreibt die gewonnenen Erkenntnisse und bewertet die Ergebnisse der Implementierung. Sie enthält auch Vorschläge für zukünftige Entwicklungen.

Welche Schlüsselwörter beschreiben die Arbeit?

Robotik, Navigation, SLAM, Kalman-Filter, Extended Kalman-Filter, RANSAC, AICC, autonome Fahrzeuge, Landmarkenfindung, Kartenerstellung, Positionsbestimmung.

Welche Kapitel umfasst die Arbeit?

Die Arbeit gliedert sich in eine Einleitung, einen Überblick über SLAM, ein Kapitel zur Implementierung von EKF-SLAM auf dem AICC und ein Kapitel mit Schlussfolgerungen und Ausblick.

Was ist das Hauptziel der Arbeit?

Das Hauptziel ist die Entwicklung und Implementierung eines autonomen Navigationssystems für das AICC, das ohne GPS-Unterstützung funktioniert.