1 of 16

Navigation und Kartografierung

Das Projekt “Autonome Elektrofahrzeuge als urbane Lieferanten” wird im Rahmen des Programms „Our Common Future“ von der Robert Bosch Stiftung gefördert. �

Team: Nils Rottmann (Vortragender), Michael Werner, Robin Denz, Nico Studt, Ole Pein, Prof. Elmar Rueckert

�08.10.2019 - Tag 2.�Carl-Jacob-Burckhardt-Gymnasium - Universität zu Lübeck

https://future.ai-lab.science

2 of 16

Warum brauchen wir Navigation?

2

  • Um von einem Ort A zu einem anderen Ort B zu finden
  • Um Aufgaben zu erledigen, wie z.B.
    • den Rasen zu mähen
    • Gegenstände zu greifen
  • Um uns mit anderen Menschen abzusprechen
  • ...

https://www.autobild.de/vergleich/motorrad-navi-test/

https://future.ai-lab.science

3 of 16

Warum brauchen wir eine Karte?

3

  • Um überhaupt navigieren zu können, benötigen wir eine Karte zur Lokalisation
  • Zur Plannung von Aufgaben, z.B.
    • Einen optimalen Weg zu finden zwischen zwei Punkten
    • Etwas zu greifen, ohne durch Hindernisse zu fahren
  • ...

https://future.ai-lab.science

4 of 16

Wie navigieren wir Menschen?

4

  • Navigation basierend auf einer Karte der Umgebung
  • Lokalisierung mittels zwei Stufen:
  • Durch Abschätzung des zurückgelegten Wegs ausgehend von Startposition
  • Positionserfassung (Korrektur) durch Umgebungsmerkmale, GPS, o.ä.

http://stadtentwicklung.luebeck.de/stadtplanung/verkehrsplanung/mobil.html

https://www.bahnhit.de/luebeck/sehenswuerdigkeiten-in-luebeck/holstentor

https://future.ai-lab.science

5 of 16

Wie navigiert der Roboter?

5

  • Das Prinzip ist das gleiche wie bei uns Menschen
  • Karte der Umgebung, z.B. als Grid Map
  • Lokalisierung durch z.B.:
  • Odometrie
  • Feature Recognition, GPS, etc.

https://future.ai-lab.science

6 of 16

SLAM (Simultaneous Localization and Mapping)

6

  • Eines der wichtigsten Verfahren in der Robotik
  • Beschreibt eine Klasse von Algorithmen, z.B. FastSLAM
  • Ermöglicht das gleichzeitige Erstellen der Karte und das Lokalisieren
  • Weit verbreitete Methode:

→ Pose Graph Representation

https://future.ai-lab.science

7 of 16

Pose Graph Representation

7

https://future.ai-lab.science

8 of 16

Pose Graph Optimization

8

https://future.ai-lab.science

9 of 16

Beispiel (Rasenfläche)

9

https://future.ai-lab.science

10 of 16

Beispiel (MIRANA)

10

https://future.ai-lab.science

11 of 16

Lokalisation

11

  • Benötigt Sensoren, z.B.
    • Odometrie, IMU
    • GPS (global positioning system)
    • Kamera, LiDAR (Light Detection and Ranging)
  • Meist ein Sensor nicht genug, daher

→ Sensorfusion

https://timeandnavigation.si.edu/multimedia-asset/how-does-gps-work

https://future.ai-lab.science

12 of 16

Partikel Filter

12

  • Partikel repräsentieren mögliche Positionen des Roboters

​

​

  • Bayes Filter wird genutzt um die Wahrscheinlichkeit abzuschätzen

https://future.ai-lab.science

13 of 16

Kalman Filter

13

https://gps-helper.readthedocs.io/en/latest/nb_examples/Kalman_GPS_practice.html

Probabilistic Robotics, Sebastian Thrun

https://future.ai-lab.science

14 of 16

Extended und Unscented Kalman Filter

14

  • Kalman Filter nur für lineare Systeme geeignet
  • Problem: Die meisten robotischen Systeme sind nichtlinear
  • Daher: Extended oder Unscented KF
  • Extended KF: Linearisierung übr Taylor Approximation
  • Unscented KF: Sigma Points für die Linearisierung

https://ascelibrary.org/doi/10.1061/%28ASCE%29EM.1943-7889.0001276

https://future.ai-lab.science

15 of 16

Wollt ihr mehr über Kalman Filter wissen?

​

Dann seid gespannt auf das folgende Tutorial!

15

https://gps-helper.readthedocs.io/en/latest/nb_examples/Kalman_GPS_practice.html

Probabilistic Robotics, Sebastian Thrun

https://future.ai-lab.science

16 of 16

Vielen Dank für ihre Aufmerksamkeit!

Contact:

Universität zu Lübeck�Institute for Robotics and Cognitive Systems�Ratzeburger Allee 160�Building 64, Room 85�23538 Lübeck, Deutschland

Telefon: +49 (0) 451 3101 5209�E-Mail: rottmann@rob.uni-luebeck.de

�Disclaimer:

The lecture notes posted on this website are for personal use only. The material is intended for educational purposes only. Reproduction of the material for any purposes other than what is intended is prohibited. The content is to be used for educational and non-commercial purposes only and is not to be changed, altered, or used for any commercial endeavor without the express written permission of Nils Rottmann.

​

16

Prof. Elmar Rueckert https://ai-lab.science