Simultaneous Localization and Mapping - Versionsgeschichte

MacOrcas: Leerzeichen vor/nach Bindestrich korrigiert

2021-04-27T20:37:56Z

Leerzeichen vor/nach Bindestrich korrigiert

← Nächstältere Version		Version vom 27. April 2021, 22:37 Uhr
Zeile 73:		Zeile 73:
	* [http://www.mrpt.org/ Mobile Robot Programming Toolkit] – Umfangreiches Slam-Toolkit für Linux/Windows		* [http://www.mrpt.org/ Mobile Robot Programming Toolkit] – Umfangreiches Slam-Toolkit für Linux/Windows
	* [http://www.openslam.org/hog-man.html HOG-Man] – L-GPL Library zum Lösen des Graph-basierten SLAM Problems		* [http://www.openslam.org/hog-man.html HOG-Man] – L-GPL Library zum Lösen des Graph-basierten SLAM Problems
	* [http://slam6d.sourceforge.net SLAM6D] – GPL Tools zum vollständigen Lösen von SLAM für 3D Laserscans (Datenassoziation und SLAM- Löser)		* [http://slam6d.sourceforge.net SLAM6D] – GPL Tools zum vollständigen Lösen von SLAM für 3D Laserscans (Datenassoziation und SLAM-Löser)
	* [https://www.udacity.com/course/cs373 Artificial Intelligence for Robotics] (engl.) [[Udacity]]-Kurs zur künstlichen Intelligenz von Robotern		* [https://www.udacity.com/course/cs373 Artificial Intelligence for Robotics] (engl.) [[Udacity]]-Kurs zur künstlichen Intelligenz von Robotern
	* [https://www.youtube.com/watch?v=B2qzYCeT9oQ&list=PLpUPoM7Rgzi_7YWn14Va2FODh7LzADBSm SLAM lectures] (engl.) Online SLAM Kurs auf Basis von Python		* [https://www.youtube.com/watch?v=B2qzYCeT9oQ&list=PLpUPoM7Rgzi_7YWn14Va2FODh7LzADBSm SLAM lectures] (engl.) Online SLAM Kurs auf Basis von Python

92.206.224.2 am 23. November 2020 um 13:52 Uhr

2020-11-23T13:52:42Z

← Nächstältere Version		Version vom 23. November 2020, 15:52 Uhr
Zeile 1:		Zeile 1:
	Als '''SLAM''' ({{enS\|'''Simultaneous Localization and Mapping'''}}; {{deS\|''Simultane Positionsbestimmung und ~~Kartenerstellung~~''}}) wird ein Verfahren der [[Robotik]] bezeichnet, bei dem ein mobiler [[Roboter]] gleichzeitig eine [[Karte (Kartografie)\|Karte]] seiner Umgebung erstellen und seine [[räumliche Lage]] innerhalb dieser Karte schätzen muss. Es dient damit dem Erkennen von Hindernissen und unterstützt somit die autonome [[Navigation]].		Als '''SLAM''' ({{enS\|'''Simultaneous Localization and Mapping'''}}; {{deS\|''Simultane Positionsbestimmung und Kartierung''}}) wird ein Verfahren der [[Robotik]] bezeichnet, bei dem ein mobiler [[Roboter]] gleichzeitig eine [[Karte (Kartografie)\|Karte]] seiner Umgebung erstellen und seine [[räumliche Lage]] innerhalb dieser Karte schätzen muss. Es dient damit dem Erkennen von Hindernissen und unterstützt somit die autonome [[Navigation]].

	== Aufgabenstellung ==		== Aufgabenstellung ==

2003:ED:F71C:D228:4012:95DB:5F5F:42CE: /* Die Herausforderung bei SLAM */ Grammatik und Interpunktion

2020-07-16T15:50:50Z

Die Herausforderung bei SLAM: Grammatik und Interpunktion

← Nächstältere Version		Version vom 16. Juli 2020, 17:50 Uhr
Zeile 5:		Zeile 5:

	=== Die Herausforderung bei SLAM ===		=== Die Herausforderung bei SLAM ===
	Das Erkunden einer unbekannten Umgebung und das Orientieren in dieser wird von uns Menschen intuitiv verrichtet. Über unsere Sinnesorgane: Augen, Haut, Ohren und Nase nehmen wir Informationen, in Form von Reizen, aus unserer näheren Umwelt auf. Diese Informationen werden in unserem Gehirn kombiniert und zu einer Positionsbestimmung und Charakterisierung unserer Umgebung verarbeitet. Bewusst oder unbewusst ~~erkenne~~ wir markante Merkmale die wir zu einer ~~räumliche~~ Beziehung verknüpfen, um eine abstrakte Vorstellung eines Lageplans zu erhalten, mit deren Hilfe, je nach Aufgabe und Ziel, navigiert wird.		Das Erkunden einer unbekannten Umgebung und das Orientieren in dieser wird von uns Menschen intuitiv verrichtet. Über unsere Sinnesorgane: Augen, Haut, Ohren und Nase nehmen wir Informationen, in Form von Reizen, aus unserer näheren Umwelt auf. Diese Informationen werden in unserem Gehirn kombiniert und zu einer Positionsbestimmung und Charakterisierung unserer Umgebung verarbeitet. Bewusst oder unbewusst erkennen wir markante Merkmale, die wir zu einer räumlichen Beziehung verknüpfen, um eine abstrakte Vorstellung eines Lageplans zu erhalten, mit deren Hilfe, je nach Aufgabe und Ziel, navigiert wird.

	Ähnlich wie beim Menschen soll dies auch bei mobilen Systemen erreicht werden. Ohne jegliches Vorwissen soll aus den Daten von Sensoren, die in einer mobilen Systemeinheit integriert sind, bei gleichzeitiger Kartierung der Umgebung durch einfache dreidimensionale Punkte oder komplexere Konstrukte, auf die Position und Orientierung geschlossen werden. Hierbei bezeichnet man den Vorgang der Kartenerstellung im Englischen als ''mapping'' und das Erkennen der Position einer mobilen Systemeinheit als ''self-localisation''.		Ähnlich wie beim Menschen soll dies auch bei mobilen Systemen erreicht werden. Ohne jegliches Vorwissen soll aus den Daten von Sensoren, die in einer mobilen Systemeinheit integriert sind, bei gleichzeitiger Kartierung der Umgebung durch einfache dreidimensionale Punkte oder komplexere Konstrukte, auf die Position und Orientierung geschlossen werden. Hierbei bezeichnet man den Vorgang der Kartenerstellung im Englischen als ''mapping'' und das Erkennen der Position einer mobilen Systemeinheit als ''self-localisation''.

OlafTheScientist: Abschnitt "Herausforderung" umbewegt unter "Aufgabenstellung"; Beschreibung zusammengeführt, teilweise entschlackt und ergänzt

2020-06-11T18:30:53Z

Abschnitt "Herausforderung" umbewegt unter "Aufgabenstellung"; Beschreibung zusammengeführt, teilweise entschlackt und ergänzt

← Nächstältere Version		Version vom 11. Juni 2020, 20:30 Uhr
Zeile 1:		Zeile 1:
	Als '''SLAM'''~~-Problem~~ ({{enS\|'''Simultaneous Localization and Mapping'''}}; {{deS\|''Simultane Positionsbestimmung und Kartenerstellung''}}) wird ein ~~Problem~~ der [[Robotik]] bezeichnet, bei dem ein mobiler [[Roboter]] gleichzeitig eine [[Karte (Kartografie)\|Karte]] seiner Umgebung erstellen und seine [[räumliche Lage]] innerhalb dieser Karte schätzen muss.		Als '''SLAM''' ({{enS\|'''Simultaneous Localization and Mapping'''}}; {{deS\|''Simultane Positionsbestimmung und Kartenerstellung''}}) wird ein Verfahren der [[Robotik]] bezeichnet, bei dem ein mobiler [[Roboter]] gleichzeitig eine [[Karte (Kartografie)\|Karte]] seiner Umgebung erstellen und seine [[räumliche Lage]] innerhalb dieser Karte schätzen muss. Es dient damit dem Erkennen von Hindernissen und unterstützt somit die autonome [[Navigation]].

		⚫	== Aufgabenstellung ==
⚫	== Die Herausforderung bei SLAM ==
		⚫	Eine der grundlegenden Probleme eines mobilen Roboters besteht darin, sich zu orientieren, also zu wissen, wie seine Umgebung aussieht und wo er sich (absolut) befindet. Dafür ist der Roboter mit verschiedenen Sensoren ausgerüstet, wie [[Ultraschall]], Kameras oder [[Lidar]], mit dessen Hilfe seine Umgebung dreidimensional erfasst wird. Dies ermöglicht einem Roboter sich lokal zu bewegen, Hindernisse rechtzeitig zu erkennen und zu umfahren. Wenn darüber hinaus die absolute Position des Roboters bekannt ist, z. B. aus zusätzlichen [[Global Positioning System\|GPS]]-Sensoren, kann eine Karte aufgebaut werden. Dabei misst der Roboter die relative Position möglicher Hindernisse zu ihm und kann mit seiner bekannten Position dann die absolute Position der Hindernisse bestimmen, die anschließend in die Karte eingetragen werden.

		⚫	=== Die Herausforderung bei SLAM ===
	Das Erkunden einer unbekannten Umgebung und das Orientieren in dieser wird von uns Menschen intuitiv verrichtet. Über unsere Sinnesorgane: Augen, Haut, Ohren und Nase nehmen wir Informationen, in Form von Reizen, aus unserer näheren Umwelt auf. Diese Informationen werden in unserem Gehirn kombiniert und zu einer Positionsbestimmung und Charakterisierung unserer Umgebung verarbeitet. Bewusst oder unbewusst erkenne wir markante Merkmale die wir zu einer räumliche Beziehung verknüpfen, um eine abstrakte Vorstellung eines Lageplans zu erhalten, mit deren Hilfe, je nach Aufgabe und Ziel, navigiert wird.		Das Erkunden einer unbekannten Umgebung und das Orientieren in dieser wird von uns Menschen intuitiv verrichtet. Über unsere Sinnesorgane: Augen, Haut, Ohren und Nase nehmen wir Informationen, in Form von Reizen, aus unserer näheren Umwelt auf. Diese Informationen werden in unserem Gehirn kombiniert und zu einer Positionsbestimmung und Charakterisierung unserer Umgebung verarbeitet. Bewusst oder unbewusst erkenne wir markante Merkmale die wir zu einer räumliche Beziehung verknüpfen, um eine abstrakte Vorstellung eines Lageplans zu erhalten, mit deren Hilfe, je nach Aufgabe und Ziel, navigiert wird.

	Ähnlich wie beim Menschen soll dies auch bei mobilen Systemen erreicht werden. Ohne jegliches Vorwissen soll aus den Daten von Sensoren, die in einer mobilen Systemeinheit integriert sind, bei gleichzeitiger Kartierung der Umgebung durch einfache dreidimensionale Punkte oder komplexere Konstrukte, auf die Position und Orientierung geschlossen werden. Hierbei bezeichnet man den Vorgang der Kartenerstellung im Englischen als ''mapping'' und das Erkennen der Position einer mobilen Systemeinheit als ''self-localisation''.		Ähnlich wie beim Menschen soll dies auch bei mobilen Systemen erreicht werden. Ohne jegliches Vorwissen soll aus den Daten von Sensoren, die in einer mobilen Systemeinheit integriert sind, bei gleichzeitiger Kartierung der Umgebung durch einfache dreidimensionale Punkte oder komplexere Konstrukte, auf die Position und Orientierung geschlossen werden. Hierbei bezeichnet man den Vorgang der Kartenerstellung im Englischen als ''mapping'' und das Erkennen der Position einer mobilen Systemeinheit als ''self-localisation''.

	Eine große Herausforderung solcher Systeme ist, dass für eine genaue Positionsbestimmung eine ~~genaue~~ Karte benötigt wird und für die Generierung einer ~~genauen~~ Karte die genaue Position der mobilen Systemeinheit bekannt sein muss. Daraus wird deutlich, dass diese zwei Anforderungen, Kartenerstellung und Selbstlokalisierung, nicht unabhängig voneinander gelöst werden können. ~~Dieses Problem~~ ist in ~~der Literatur als SLAM~~ Problem ~~bekannt.~~ ~~Der~~ ~~Begriff~~ ~~SLAM~~ ~~ist~~ die ~~englische~~ ~~Abkürzung~~ ~~für~~ ~~''simultaneous~~ ~~localisation~~ ~~and~~ ~~mapping''~~.		Eine große Herausforderung solcher Systeme ist, dass für eine genaue Positionsbestimmung eine entsprechend detaillierte Karte benötigt wird und für die Generierung einer detaillierten Karte die genaue Position der mobilen Systemeinheit bekannt sein muss. Daraus wird deutlich, dass diese zwei Anforderungen, Kartenerstellung und Selbstlokalisierung, nicht unabhängig voneinander gelöst werden können. SLAM ist somit ein [[Henne-Ei-Problem]], da weder die Karte noch die Position bekannt ist, sondern diese gleichzeitig geschätzt werden sollen.

⚫	== Aufgabenstellung ==
⚫	Eine der grundlegenden ~~Fähigkeiten~~ eines mobilen Roboters besteht darin, sich ~~orientieren~~ zu ~~können~~, also zu wissen, wie seine Umgebung aussieht und wo er sich befindet. ~~Ist~~ ~~eine Karte~~ der ~~Umgebung vorhanden, kann sich ein~~ Roboter mit ~~Hilfe~~ ~~seiner~~ ~~Sensoren~~, wie [[Ultraschall]], ~~Kamera~~ oder [[Lidar]], ~~darin~~ ~~positionieren~~. ~~Ist~~ die absolute Position des Roboters bekannt, kann eine Karte aufgebaut werden. Dabei misst der Roboter die relative Position möglicher Hindernisse zu ihm und kann mit seiner bekannten Position dann die absolute Position der Hindernisse bestimmen, die anschließend in die Karte eingetragen ~~wird~~.

	SLAM ist somit ein [[Henne-Ei-Problem]], da weder die Karte noch die Position bekannt ist, sondern diese gleichzeitig geschätzt werden sollen.

	== Anwendung ==		== Anwendung ==
	Für viele Einsatzorte von mobilen Robotern gibt es keine Karten und auch keine Möglichkeit, die absolute Position, z. B. über [[GPS]], zu schätzen. Ohne SLAM müsste vor dem Einsatz eine Karte erstellt werden, was den Einsatz verzögern und verteuern kann. Daher ist es je nach Anwendungsgebiet wichtig, dass ein Roboter in der Lage ist, autonom eine neue Umgebung zu erkunden und eine Karte zu erstellen, die er dann später zur Navigation nutzen kann.		Für viele Einsatzorte von mobilen Robotern gibt es keine Karten und auch keine Möglichkeit, die absolute Position, z. B. über [[GPS]], zu schätzen. Ohne SLAM müsste vor dem Einsatz eine Karte erstellt werden, was den Einsatz verzögern und verteuern kann. Daher ist es je nach Anwendungsgebiet wichtig, dass ein Roboter in der Lage ist, autonom eine neue Umgebung zu erkunden und eine Karte zu erstellen, die er dann später zur Navigation nutzen kann.

	Die SLAM-Methode ist ein aktives Forschungsgebiet innerhalb der [[Robotik]], welches weltweit von zahlreichen Forschergruppen bearbeitet wird.		Die SLAM-Methode ist ein aktives Forschungsgebiet innerhalb der [[Robotik]] und in [[Computer Vision]], welches weltweit von zahlreichen Forschergruppen bearbeitet wird. Beispielsweise werden die [[Mars (Planet)\|Mars]]-Landefahrzeuge der [[NASA]]-Mission [[Mars Exploration Rover]] "[[Spirit (Raumsonde)\|Spirit]]" und "[[Opportunity]]" mit solchen Verfahren betrieben.

	== Ansätze ==		== Ansätze ==

OlafTheScientist: Kategorie "Computer Vision" hinzugefügt

2020-06-11T17:42:48Z

Kategorie "Computer Vision" hinzugefügt

← Nächstältere Version		Version vom 11. Juni 2020, 19:42 Uhr
Zeile 82:		Zeile 82:
	[[Kategorie:Geolokation]]		[[Kategorie:Geolokation]]
	[[Kategorie:Robotik]]		[[Kategorie:Robotik]]
			[[Kategorie:Computer Vision]]

Neutronstar2: Link

2020-05-30T11:14:29Z

Link

← Nächstältere Version		Version vom 30. Mai 2020, 13:14 Uhr
Zeile 1:		Zeile 1:
	Als '''SLAM'''-Problem ({{enS\|'''Simultaneous Localization and Mapping'''}}; {{deS\|''Simultane Positionsbestimmung und Kartenerstellung''}}) wird ein Problem der [[Robotik]] bezeichnet, bei dem ein mobiler [[Roboter]] gleichzeitig eine [[Karte (Kartografie)\|Karte]] seiner Umgebung erstellen und seine [[~~Pose~~ ~~(Technik)\|Pose~~]] innerhalb dieser Karte schätzen muss.		Als '''SLAM'''-Problem ({{enS\|'''Simultaneous Localization and Mapping'''}}; {{deS\|''Simultane Positionsbestimmung und Kartenerstellung''}}) wird ein Problem der [[Robotik]] bezeichnet, bei dem ein mobiler [[Roboter]] gleichzeitig eine [[Karte (Kartografie)\|Karte]] seiner Umgebung erstellen und seine [[räumliche Lage]] innerhalb dieser Karte schätzen muss.

	== Die Herausforderung bei SLAM ==		== Die Herausforderung bei SLAM ==

165.225.88.111: Beschreibung der Herausforderung/ Problem bei einer SLAM Methode in der auch die Begrifflichkeit erklärt wird.

2020-05-07T06:27:43Z

Beschreibung der Herausforderung/ Problem bei einer SLAM Methode in der auch die Begrifflichkeit erklärt wird.

← Nächstältere Version		Version vom 7. Mai 2020, 08:27 Uhr
Zeile 1:		Zeile 1:
	Als '''SLAM'''-Problem ({{enS\|'''Simultaneous Localization and Mapping'''}}; {{deS\|''Simultane Positionsbestimmung und Kartenerstellung''}}) wird ein Problem der [[Robotik]] bezeichnet, bei dem ein mobiler [[Roboter]] gleichzeitig eine [[Karte (Kartografie)\|Karte]] seiner Umgebung erstellen und seine [[Pose (Technik)\|Pose]] innerhalb dieser Karte schätzen muss.		Als '''SLAM'''-Problem ({{enS\|'''Simultaneous Localization and Mapping'''}}; {{deS\|''Simultane Positionsbestimmung und Kartenerstellung''}}) wird ein Problem der [[Robotik]] bezeichnet, bei dem ein mobiler [[Roboter]] gleichzeitig eine [[Karte (Kartografie)\|Karte]] seiner Umgebung erstellen und seine [[Pose (Technik)\|Pose]] innerhalb dieser Karte schätzen muss.

			== Die Herausforderung bei SLAM ==
			Das Erkunden einer unbekannten Umgebung und das Orientieren in dieser wird von uns Menschen intuitiv verrichtet. Über unsere Sinnesorgane: Augen, Haut, Ohren und Nase nehmen wir Informationen, in Form von Reizen, aus unserer näheren Umwelt auf. Diese Informationen werden in unserem Gehirn kombiniert und zu einer Positionsbestimmung und Charakterisierung unserer Umgebung verarbeitet. Bewusst oder unbewusst erkenne wir markante Merkmale die wir zu einer räumliche Beziehung verknüpfen, um eine abstrakte Vorstellung eines Lageplans zu erhalten, mit deren Hilfe, je nach Aufgabe und Ziel, navigiert wird.

			Ähnlich wie beim Menschen soll dies auch bei mobilen Systemen erreicht werden. Ohne jegliches Vorwissen soll aus den Daten von Sensoren, die in einer mobilen Systemeinheit integriert sind, bei gleichzeitiger Kartierung der Umgebung durch einfache dreidimensionale Punkte oder komplexere Konstrukte, auf die Position und Orientierung geschlossen werden. Hierbei bezeichnet man den Vorgang der Kartenerstellung im Englischen als ''mapping'' und das Erkennen der Position einer mobilen Systemeinheit als ''self-localisation''.

			Eine große Herausforderung solcher Systeme ist, dass für eine genaue Positionsbestimmung eine genaue Karte benötigt wird und für die Generierung einer genauen Karte die genaue Position der mobilen Systemeinheit bekannt sein muss. Daraus wird deutlich, dass diese zwei Anforderungen, Kartenerstellung und Selbstlokalisierung, nicht unabhängig voneinander gelöst werden können. Dieses Problem ist in der Literatur als SLAM Problem bekannt. Der Begriff SLAM ist die englische Abkürzung für ''simultaneous localisation and mapping''.

	== Aufgabenstellung ==		== Aufgabenstellung ==
	Eine der grundlegenden Fähigkeiten eines mobilen Roboters besteht darin, sich orientieren zu können, also zu wissen, wie seine Umgebung aussieht und wo er sich befindet. Ist eine Karte der Umgebung vorhanden, kann sich ein Roboter mit Hilfe seiner Sensoren, wie [[Ultraschall]] oder [[Lidar]], darin positionieren. Ist die absolute Position des Roboters bekannt, kann eine Karte aufgebaut werden. Dabei misst der Roboter die relative Position möglicher Hindernisse zu ihm und kann mit seiner bekannten Position dann die absolute Position der Hindernisse bestimmen, die anschließend in die Karte eingetragen wird.		Eine der grundlegenden Fähigkeiten eines mobilen Roboters besteht darin, sich orientieren zu können, also zu wissen, wie seine Umgebung aussieht und wo er sich befindet. Ist eine Karte der Umgebung vorhanden, kann sich ein Roboter mit Hilfe seiner Sensoren, wie [[Ultraschall]], Kamera oder [[Lidar]], darin positionieren. Ist die absolute Position des Roboters bekannt, kann eine Karte aufgebaut werden. Dabei misst der Roboter die relative Position möglicher Hindernisse zu ihm und kann mit seiner bekannten Position dann die absolute Position der Hindernisse bestimmen, die anschließend in die Karte eingetragen wird.

	SLAM ist somit ein [[Henne-Ei-Problem]], da weder die Karte noch die Position bekannt ist, sondern diese gleichzeitig geschätzt werden sollen.		SLAM ist somit ein [[Henne-Ei-Problem]], da weder die Karte noch die Position bekannt ist, sondern diese gleichzeitig geschätzt werden sollen.

Aka: /* Weblinks */ Halbgeviertstrich

2019-08-15T22:38:58Z

Weblinks: Halbgeviertstrich

← Nächstältere Version		Version vom 16. August 2019, 00:38 Uhr
Zeile 63:		Zeile 63:

	== Weblinks ==		== Weblinks ==
	* [http://www.cas.kth.se/SLAM/slam-papers.html SLAM Paper Repository] - Publikationsübersicht zu SLAM		* [http://www.cas.kth.se/SLAM/slam-papers.html SLAM Paper Repository] – Publikationsübersicht zu SLAM
	* [http://www.cs.princeton.edu/~bjbrown/iccv05_course/ 3D Scan Matching and Registration] - Übersicht zu 3D Scan Matching		* [http://www.cs.princeton.edu/~bjbrown/iccv05_course/ 3D Scan Matching and Registration] – Übersicht zu 3D Scan Matching
	* [http://www.openslam.org/ OpenSLAM] - Online Repository zu Implementierungen von verschiedenen SLAM-Algorithmen		* [http://www.openslam.org/ OpenSLAM] – Online Repository zu Implementierungen von verschiedenen SLAM-Algorithmen
	* [http://www.mrpt.org/ Mobile Robot Programming Toolkit] - Umfangreiches Slam-Toolkit für Linux/Windows		* [http://www.mrpt.org/ Mobile Robot Programming Toolkit] – Umfangreiches Slam-Toolkit für Linux/Windows
	* [http://www.openslam.org/hog-man.html HOG-Man] - L-GPL Library zum Lösen des Graph-basierten SLAM Problems		* [http://www.openslam.org/hog-man.html HOG-Man] – L-GPL Library zum Lösen des Graph-basierten SLAM Problems
	* [http://slam6d.sourceforge.net SLAM6D] - GPL Tools zum vollständigen Lösen von SLAM für 3D Laserscans (Datenassoziation und SLAM- Löser)		* [http://slam6d.sourceforge.net SLAM6D] – GPL Tools zum vollständigen Lösen von SLAM für 3D Laserscans (Datenassoziation und SLAM- Löser)
	* [https://www.udacity.com/course/cs373 Artificial Intelligence for Robotics] (engl.) [[Udacity]]-Kurs zur künstlichen Intelligenz von Robotern		* [https://www.udacity.com/course/cs373 Artificial Intelligence for Robotics] (engl.) [[Udacity]]-Kurs zur künstlichen Intelligenz von Robotern
	* [https://www.youtube.com/watch?v=B2qzYCeT9oQ&list=PLpUPoM7Rgzi_7YWn14Va2FODh7LzADBSm SLAM lectures] (engl.) Online SLAM Kurs auf Basis von Python		* [https://www.youtube.com/watch?v=B2qzYCeT9oQ&list=PLpUPoM7Rgzi_7YWn14Va2FODh7LzADBSm SLAM lectures] (engl.) Online SLAM Kurs auf Basis von Python

Formatierer: typo

2018-11-16T18:46:18Z

typo

← Nächstältere Version		Version vom 16. November 2018, 20:46 Uhr
Zeile 59:		Zeile 59:
	* {{Literatur \| Autor=Giorgio Grisetti, Cyrill Stachniss, Wolfram Burgard \| Titel=Improved Techniques for Grid Mapping with Rao-Blackwellized Particle Filters \| Sammelwerk=IEEE Transactions on Robotics \| Jahr=2007 \|Online=[http://www.informatik.uni-freiburg.de/~stachnis/pdf/grisetti07tro.pdf PDF] }}		* {{Literatur \| Autor=Giorgio Grisetti, Cyrill Stachniss, Wolfram Burgard \| Titel=Improved Techniques for Grid Mapping with Rao-Blackwellized Particle Filters \| Sammelwerk=IEEE Transactions on Robotics \| Jahr=2007 \|Online=[http://www.informatik.uni-freiburg.de/~stachnis/pdf/grisetti07tro.pdf PDF] }}
	* {{Literatur \| Autor=Giorgio Grisetti, Cyrill Stachniss, Wolfram Burgard \| Titel=Non-linear Constraint Network Optimization for Efficient Map Learning \| Sammelwerk=IEEE Transactions on Intelligent Transportation Systems \| Jahr=2009 \|Online=[http://www.informatik.uni-freiburg.de/~stachnis/pdf/grisetti09its.pdf PDF] }}		* {{Literatur \| Autor=Giorgio Grisetti, Cyrill Stachniss, Wolfram Burgard \| Titel=Non-linear Constraint Network Optimization for Efficient Map Learning \| Sammelwerk=IEEE Transactions on Intelligent Transportation Systems \| Jahr=2009 \|Online=[http://www.informatik.uni-freiburg.de/~stachnis/pdf/grisetti09its.pdf PDF] }}
	* {{Literatur \| Autor=Udo Frese, Per ~~Larssson~~, Tom Duckett \| Titel=A Multilevel Relaxation Algorithm for Simultaneous Localisation and Mapping \| Sammelwerk=IEEE Transactions on Robotics \| Jahr=2005}}		* {{Literatur \| Autor=Udo Frese, Per Larsson, Tom Duckett \| Titel=A Multilevel Relaxation Algorithm for Simultaneous Localisation and Mapping \| Sammelwerk=IEEE Transactions on Robotics \| Jahr=2005}}
	* {{Literatur \| Autor=Frank Dellaert \| Titel=Square Root SAM (Smoothing and Mapping) \| Sammelwerk=Robotics: Science and Systems \| Jahr=2005}}		* {{Literatur \| Autor=Frank Dellaert \| Titel=Square Root SAM (Smoothing and Mapping) \| Sammelwerk=Robotics: Science and Systems \| Jahr=2005}}

Ston~dewiki: Besser "Positionsbestimmung" statt "Lokalisierung" in dt. Übersetzung von SLAM, weil "Lokalisierung" auch die Anpassung einer Software an einen bestimmten Einsatzort (z.B. Übersetzungen) sein kann

2018-06-13T15:16:05Z

Besser "Positionsbestimmung" statt "Lokalisierung" in dt. Übersetzung von SLAM, weil "Lokalisierung" auch die Anpassung einer Software an einen bestimmten Einsatzort (z.B. Übersetzungen) sein kann

← Nächstältere Version		Version vom 13. Juni 2018, 17:16 Uhr
Zeile 1:		Zeile 1:
	Als '''SLAM'''-Problem ({{enS\|'''Simultaneous Localization and Mapping'''}}; {{deS\|''Simultane ~~Lokalisierung~~ und Kartenerstellung''}}) wird ein Problem der [[Robotik]] bezeichnet, bei dem ein mobiler [[Roboter]] gleichzeitig eine [[Karte (Kartografie)\|Karte]] seiner Umgebung erstellen und seine [[Pose (Technik)\|Pose]] innerhalb dieser Karte schätzen muss.		Als '''SLAM'''-Problem ({{enS\|'''Simultaneous Localization and Mapping'''}}; {{deS\|''Simultane Positionsbestimmung und Kartenerstellung''}}) wird ein Problem der [[Robotik]] bezeichnet, bei dem ein mobiler [[Roboter]] gleichzeitig eine [[Karte (Kartografie)\|Karte]] seiner Umgebung erstellen und seine [[Pose (Technik)\|Pose]] innerhalb dieser Karte schätzen muss.

	== Aufgabenstellung ==		== Aufgabenstellung ==

← Nächstältere Version		Version vom 16. November 2018, 20:46 Uhr
Zeile 59:		Zeile 59:
	* {{Literatur \| Autor=Giorgio Grisetti, Cyrill Stachniss, Wolfram Burgard \| Titel=Improved Techniques for Grid Mapping with Rao-Blackwellized Particle Filters \| Sammelwerk=IEEE Transactions on Robotics \| Jahr=2007 \|Online=[http://www.informatik.uni-freiburg.de/~stachnis/pdf/grisetti07tro.pdf PDF] }}		* {{Literatur \| Autor=Giorgio Grisetti, Cyrill Stachniss, Wolfram Burgard \| Titel=Improved Techniques for Grid Mapping with Rao-Blackwellized Particle Filters \| Sammelwerk=IEEE Transactions on Robotics \| Jahr=2007 \|Online=[http://www.informatik.uni-freiburg.de/~stachnis/pdf/grisetti07tro.pdf PDF] }}
	* {{Literatur \| Autor=Giorgio Grisetti, Cyrill Stachniss, Wolfram Burgard \| Titel=Non-linear Constraint Network Optimization for Efficient Map Learning \| Sammelwerk=IEEE Transactions on Intelligent Transportation Systems \| Jahr=2009 \|Online=[http://www.informatik.uni-freiburg.de/~stachnis/pdf/grisetti09its.pdf PDF] }}		* {{Literatur \| Autor=Giorgio Grisetti, Cyrill Stachniss, Wolfram Burgard \| Titel=Non-linear Constraint Network Optimization for Efficient Map Learning \| Sammelwerk=IEEE Transactions on Intelligent Transportation Systems \| Jahr=2009 \|Online=[http://www.informatik.uni-freiburg.de/~stachnis/pdf/grisetti09its.pdf PDF] }}
	* {{Literatur \| Autor=Udo Frese, Per ~~Larssson~~, Tom Duckett \| Titel=A Multilevel Relaxation Algorithm for Simultaneous Localisation and Mapping \| Sammelwerk=IEEE Transactions on Robotics \| Jahr=2005}}		* {{Literatur \| Autor=Udo Frese, Per Larsson, Tom Duckett \| Titel=A Multilevel Relaxation Algorithm for Simultaneous Localisation and Mapping \| Sammelwerk=IEEE Transactions on Robotics \| Jahr=2005}}
	* {{Literatur \| Autor=Frank Dellaert \| Titel=Square Root SAM (Smoothing and Mapping) \| Sammelwerk=Robotics: Science and Systems \| Jahr=2005}}		* {{Literatur \| Autor=Frank Dellaert \| Titel=Square Root SAM (Smoothing and Mapping) \| Sammelwerk=Robotics: Science and Systems \| Jahr=2005}}