Simultaneous Localization and Mapping

Das SLAM-Verfahren (englisch Simultaneous Localization and Mapping ‚Simultane Lokalisierung und Kartenerstellung‘) ist eine Methode, bei dem ein mobiler Roboter oder ein Software-Agent gleichzeitig eine Karte seiner Umgebung erstellen und seine Pose innerhalb dieser Karte schätzen soll.

Aufgabenstellung

Infolge von Störungen in der Aussendung, Ausbreitung, Empfang und Übertragung von Funksignalen und Messdaten ist häufig eine geschlossene Lösung der Ortsbestimmung durch Inversion der Bestimmungsgleichungen nicht möglich, nicht eindeutig oder anderweitig unzureichend. Um betriebliche Anforderungen zu bedienen ist daher ein höherer mathematischer Aufwand erforderlich. Die Hersteller solcher Systeme klären über die Probleme nicht oder unzureichend auf und die Käufer von Systemen erwarten meist eine einfache Lösung für dieses komplexe Problem. Eine iterative Lösung ist der einzige sinnvolle Ausweg, der mit wirtschaftlich sinnvollem Aufwand eine hinreichende Lösung liefert. Bekannte Ansätze folgen dem Wahrscheinlichkeitsbegriff von Bayes und kombinieren mehrere Verfahren in stetem Wechsel

Die SLAM-Methode 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 hundertprozentiger 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 978-3540898832 (Springer Tracts in Advanced Robotics)).
• Cyrill Stachniss: Robotic Mapping and Exploration. Springer-Verlag GmbH, Berlin 2009, ISBN 978-3-6420-1096-5 (Springer Tracts in Advanced Robotics).
• Sebastian Thrun, Wolfram Burgard, Dieter Fox: Probabilistic Robotics. The Mit Press, 2005, ISBN 978-0-2622-0162-9.
• Michael Montemerlo, Sebastian Thrun: FastSLAM: A Scalable Method for the Simultaneous Localization and Mapping Problem in Robotics. Springer Verlag, 2007, ISBN 3-5404-6399-2.
• 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
• Mobile Robot Programming Toolkit - 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)