Diese Vorlesung vermittelt die Grundlagen der Lokalisierung und Kartierung (engl. Simultaneous Localization and Mapping --- SLAM) in der autonomen mobilen Robotik.
Die gesamte Theorie wird in Übungen auf Daten eines realen Roboters angewandt.
Nach einem erfolgreichen Abschluss der Vorlesung sind die Studierenden
in der Lage die Prinzipien und Algorithmen der Lokalisierung und
Kartierung zu erklären.
Die können ausgewählte Methoden selbst
implementieren und sind daher auch in der Lage die Module der
bestehender Robotik-Frameworks (ROS) besser zu verstehen.
- Roboter Bewegungsmodelle.
- Landmarken-Erkennung mit Hilfe eines Laserscanners.
- Iterative Closest Point (ICP) Algorithmus.
- Bayes-Filter.
- Paramterische Filter und Kalman Filter.
- Extended Kalman Filter (EKF) Lokalisierung.
- Histogram- and Particle Filter Lokalisierung.
- Extended Kalman Filter SLAM.
- Rao-Blackwellized Particle Filter SLAM (FastSLAM)
Alle Algorithmen werden in der Programmiersprache Python implementiert.
- Trainer/in: Markus Schneider