Core Concepts
Dieser Artikel präsentiert einen Lokalisierungsansatz, der die Höhe und Neigung des Bodens berücksichtigt, um Roboter in nicht-ebenen Umgebungen präzise zu lokalisieren.
Abstract
Der Artikel beschreibt einen Lokalisierungsansatz für Roboter, der über die herkömmlichen 2D-Lokalisierungsmethoden hinausgeht, die in nicht-ebenen Umgebungen mit Rampen und Steigungen an ihre Grenzen stoßen. Der vorgeschlagene Ansatz verwendet eine Kombination aus Gridmaps, die Höheninformationen enthalten, und Octomaps, die Informationen zur räumlichen Belegung liefern. Für die Lokalisierung wird ein angepasstes Monte-Carlo-Verfahren verwendet, das die Neigung des Roboters und die mögliche Präsenz des Bodens als Hindernis berücksichtigt.
Der Ansatz wurde in Simulationen und in der Praxis mit verschiedenen Robotermodellen getestet, sowohl in Innen- als auch in Außenumgebungen mit ebenen und unebenen Böden. Die Ergebnisse zeigen eine hohe Genauigkeit mit Fehlermargen unter 10 Zentimetern und 0,05 Radiant in Innenräumen und weniger als 1,0 Meter auf ausgedehnten Außenrouten. Der Ansatz übertrifft dabei die Leistung von 3D-SLAM-Algorithmen deutlich.
Die Autoren haben den Ansatz in das Open-Source-Navigationssystem Nav2 integriert, um ihn der Robotik-Community als Referenzimplementierung zur Verfügung zu stellen. Damit soll die Forschung in diesem Bereich vorangetrieben und die Anwendung in der Praxis erleichtert werden.
Stats
Die Lokalisierung erreicht Fehler unter 10 Zentimetern und 0,05 Radiant in Innenräumen und weniger als 1,0 Meter auf ausgedehnten Außenrouten.
Quotes
"Unser Ansatz übertrifft die Leistung von 3D-SLAM-Algorithmen deutlich."
"Wir haben den Ansatz in das Open-Source-Navigationssystem Nav2 integriert, um ihn der Robotik-Community als Referenzimplementierung zur Verfügung zu stellen."