Simultaneous Localization and Mapping

Das SLAM-Problem (Simultaneous Localization and Mapping, engl.: ‚Simultane Lokalisierung und Kartenerstellung‘) ist ein Problem, bei dem ein mobiler Roboter gleichzeitig eine Karte seiner Umgebung erstellen und seine Pose innerhalb dieser Karte schätzen soll.

Das SLAM-Problem ist ein aktives Forschungsgebiet innerhalb der Robotik, welches weltweit von zahlreichen Forschergruppen bearbeitet wird. Es gilt als eines der grundlegenden Robotik-Probleme. Entsprechend groß ist die Zahl der Lösungsansätze. Zu den derzeit populärsten Ansätzen gehören die folgenden

SLAM Verfahren

• EKF SLAM (Extended Kalman Filter)
  • SEIF (Sparse Extended Information Filter)
  • UKF (Unscented Kalman Filter)
• SLAM mit Partikelfiltern
  • FastSLAM
  • Grid-basierte Verfahren mit Rao-Blackwellized-Partikelfiltern
  • DP-SLAM
• Expectation-Maximization-Filter
• Graph-basierende Techniken
  • GraphSLAM, TORO, HOG-Man, TreeMap
  • Relaxationstechniken
  • Smoothing-Techniken

Die Lösung von SLAM bedingt die Lösung des Datenassoziationsproblems, d.h., es muss ermittelt werden, welche (Umgebungs-)Merkmale korrespondieren. Dieses Problem ist besonders schwierig, da sich Merkmale nicht einmal mit hunderprozentiger Sicherheit extrahieren lassen. Scanmatching-Verfahren kommen ohne Merkmale aus, da sie ganze Scans, bzw. Punktwolken berücksichtigen und anschließend Graph-basierende Techniken einsetzen.

Literatur

• Andreas Nüchter: 3D Robotic Mapping. Springer-Verlag GmbH, Berlin 2009, ISBN 978-3-540-89883-2 (Springer Tracts in Advanced Robotics)). 
• Cyrill Stachniss: Robotic Mapping and Exploration. Springer-Verlag GmbH, Berlin 2009, ISBN 978-3-642-01096-5 (Springer Tracts in Advanced Robotics). 
• Sebastian Thrun, Wolfram Burgard, Dieter Fox: Probabilistic Robotics. The Mit Press, 2005, ISBN 978-0-262-20162-9. 
• Michael Montemerlo, Sebastian Thrun: FastSLAM: A Scalable Method for the Simultaneous Localization and Mapping Problem in Robotics. Springer Verlag, 2007, ISBN 3-540-46399-2. 
• Austin Eliazar, Ronald Parr: DP-SLAM: Fast, Robust Simultainous Localization and Mapping Without Predetermined Landmarks. 2003. 
• F. Lu, E. Milios: Globally consistent range scan alignment for environment mapping. In: Autonomous Robots. 1997. 
• Dorit Borrmann, Jan Elseberg, Kai Lingemann, Andreas Nüchter, Joachim Hertzberg.: Globally consistent 3D mapping with scan matching. In: Journal of Robotics and Autonomous Systems (JRAS). Elsevier Science, 2008 (PDF). 
• Giorgio Grisetti, Cyrill Stachniss, Wolfram Burgard: Improved Techniques for Grid Mapping with Rao-Blackwellized Particle Filters. In: IEEE Transactions on Robotics. 2007 (PDF). 
• Giorgio Grisetti, Cyrill Stachniss, Wolfram Burgard: Non-linear Constraint Network Optimization for Efficient Map Learning. In: IEEE Transactions on Intelligent Transportation Systems. 2009 (PDF). 
• Udo Frese, Per Larssson, Tom Duckett: A Multilevel Relaxation Algorithm for Simultaneous Localisation and Mapping. In: IEEE Transactions on Robotics. 2005. 
• Frank Dellaert: Square Root SAM (Smoothing and Mapping). In: Robotics: Science and Systems. 2005. 

Weblinks

• SLAM Paper Repository - Publikationsübersicht zu SLAM
• 3D Scan Matching and Registration - Übersicht zu 3D Scan Matching
• OpenSLAM - Online Repository zu Implementierungen von verschiedenen SLAM-Algorithmen
• [1] - Umfangreiches Slam-Toolkit für Linux/Windows
• HOG-Man - L-GPL Library zum Lösen des Graph-basierten SLAM Problems
• SLAM6D - GPL Tools zum vollständigen Lösen von SLAM für 3D Laserscans (Datenassoziation und SLAM- Löser)