SLAM mit LiDAR: Unterschied zwischen den Versionen
Zur Navigation springen
Zur Suche springen
Keine Bearbeitungszusammenfassung |
Keine Bearbeitungszusammenfassung |
||
Zeile 10: | Zeile 10: | ||
== Ziel == | == Ziel == | ||
Realisieren Sie einen SLAM-Algorithmus mit LiDAR-Sensorik | Realisieren Sie einen SLAM-Algorithmus mit LiDAR-Sensorik. | ||
== Anforderungen == | == Anforderungen == | ||
# Recherchieren Sie nach Methoden zum | # Recherchieren Sie nach Methoden zum LiDAR SLAM und wählen Sie ein effizientes Verfahren aus. | ||
# Zeichnen Sie als Eingangsdaten Roboterfahrten (LiDAR und Odometrie) auf. | # Zeichnen Sie als Eingangsdaten Roboterfahrten (LiDAR und Odometrie) auf (z.B. [[Low-Cost-LiDAR_mit_EV3|LiDAR am EV3]]). | ||
# Verarbeiten Sie diese Eingangsdaten mit Matlab. | # Verarbeiten Sie diese Eingangsdaten mit Matlab. | ||
# Stellen Sie Ihre Ergebnisse in Matlab dar. | # Stellen Sie Ihre Ergebnisse in Matlab dar. |
Version vom 3. Januar 2020, 14:23 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.
Anforderungen
- Recherchieren Sie nach Methoden zum LiDAR SLAM und wählen Sie ein effizientes Verfahren aus.
- Zeichnen Sie als Eingangsdaten Roboterfahrten (LiDAR und Odometrie) auf (z.B. LiDAR am EV3).
- 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
- SLAM Course - 12 - Scan-Matching in 5 Min - Cyrill Stachniss
- Simultaneous Localization And Mapping (SLAM) with Scan Matching
- Iterative Closest Point algorithm for point clouds in Matlab
- [1]
- [2]
Literatur
Siehe auch
BSD-Lizenzbedingung BSD-Lizenz
Copyright (c) 2018, Hochschule Hamm-Lippstadt, Dep. Lip. 1, Prof. Schneider
Hochschule Hamm-Lippstadt. Alle Rechte vorbehalten.
→ zurück zum Hauptartikel: Studentische Arbeiten