Merancang Tumpukan SLAM Visual dan LiDAR untuk Robot Sungguhan

Membangun tumpukan SLAM yang berjalan andal di robot sungguhan melibatkan lebih dari sekadar memilih pustaka. Kalibrasi sensor, desain front-end, optimasi back-end, strategi penutupan loop, dan integrasi dengan robot lainnya semuanya membentuk apakah tumpukan tersebut bertahan dari kenyataan penerapan yang berantakan. Kursus ini membahas pilihan-pilihan tersebut secara terstruktur. Anda akan mengerjakan latihan desain tertulis yang mencerminkan bagaimana tim robotika kecil akan merencanakan tumpukan SLAM. Penekanannya adalah pada trade-off praktis yang penting ketika robot harus beroperasi dalam sesi yang panjang, perubahan pencahayaan, dan pemandangan yang tidak terduga. Apa yang akan Anda pelajari: - Memilih kombinasi sensor termasuk visual, LiDAR, inersia, dan encoder roda untuk lingkungan tertentu - Merancang pipeline persepsi front-end untuk deteksi fitur, asosiasi, dan estimasi gerakan - Menerapkan optimasi back-end termasuk metode pose graph dan kerangka kerja factor graph modern - Membangun deteksi penutupan loop yang menangani adegan berulang dan lingkungan yang berubah - Merencanakan rutinitas kalibrasi termasuk sinkronisasi intrinsik, ekstrinsik, dan waktu antar sensor - Merancang integrasi dengan sistem perencanaan gerak, kontrol, dan perilaku pada robot Kursus ini berkembang dari sensor dan kalibrasi melalui desain front-end dan back-end, penutupan loop, dan integrasi. Latihan desain tertulis capstone meminta Anda untuk menyusun desain satu halaman untuk tumpukan SLAM yang ditargetkan pada platform robot dan lingkungan tertentu. Kursus ini dirancang untuk insinyur robotika, praktisi visi komputer, dan mahasiswa mekatronika dengan beberapa latar belakang perangkat lunak. Tidak diperlukan pengalaman implementasi SLAM sebelumnya. Kursus ini memperlakukan tumpukan sebagai masalah desain yang dapat Anda pikirkan di atas kertas sebelum kode apa pun ditulis.