Entwurf eines visuellen und LiDAR SLAM-Stacks für einen echten Roboter

Der Aufbau eines SLAM-Stacks, der zuverlässig auf einem echten Roboter läuft, erfordert mehr als die Auswahl einer Bibliothek. Die Sensor-Kalibrierung, das Front-End-Design, die Back-End-Optimierung, die Loop-Closure-Strategie und die Integration mit dem Rest des Roboters bestimmen, ob der Stack der unordentlichen Realität des Einsatzes standhält. Dieser Kurs führt strukturiert durch diese Entscheidungen. Sie werden schriftliche Designübungen durcharbeiten, die widerspiegeln, wie ein kleines Robotikteam einen SLAM-Stack planen würde. Der Schwerpunkt liegt auf den praktischen Kompromissen, die wichtig sind, wenn ein Roboter über lange Sitzungen, wechselnde Lichtverhältnisse und unerwartete Szenen hinweg operieren muss. Was Sie lernen werden: - Auswahl von Sensor-Kombinationen, einschließlich visueller, LiDAR-, Inertial- und Rad-Encoder für bestimmte Umgebungen - Entwurf von Front-End-Wahrnehmungs-Pipelines für Merkmalserkennung, -assoziation und Bewegungsabschätzung - Anwendung von Back-End-Optimierung, einschließlich Pose-Graph-Methoden und moderner Factor-Graph-Frameworks - Aufbau von Loop-Closure-Erkennung, die repetitive Szenen und sich ändernde Umgebungen bewältigt - Planung von Kalibrierungsroutinen, einschließlich intrinsischer, extrinsischer und Zeitsynchronisation zwischen Sensoren - Entwurf der Integration mit Motion Planning-, Steuerungs- und Verhaltenssystemen auf dem Roboter Der Kurs schreitet von Sensoren und Kalibrierung über Front-End- und Back-End-Design bis hin zu Loop Closure und Integration voran. Eine abschließende schriftliche Übung fordert Sie auf, ein einseitiges Design für einen SLAM-Stack zu entwerfen, der auf eine bestimmte Roboterplattform und Umgebung abzielt. Dieser Kurs richtet sich an Robotik-Ingenieure, Computer-Vision-Praktiker und Mechatronik-Studenten mit Software-Hintergrund. Es sind keine Vorkenntnisse in der SLAM-Implementierung erforderlich. Der Kurs behandelt den Stack als Designproblem, über das Sie nachdenken können, bevor Sie Code schreiben.