Untersuchung und Weiterentwicklung eines SLAM-Algorithmus

Die gleichzeitige Lokalisierung eines mobilen Roboters und die Kartierung seiner Umgebung wird im Allgemeinen als Simultaneous Localization und Mapping (SLAM) bezeichnet. Basierend auf Erweiterten Kalman Filtern bilden EKF-SLAM-Algorithmen die Grundlage zur Lösung einer Reihe von Navigationsproblemen. Es existieren unterschiedliche Ansätze für deren tatsächliche Implementierung im Kontext kamerabasierter Navigation.

In dieser Arbeit soll ein EKF-SLAM-Modul in Matlab entwickelt werden. Hierbei liegt ein besonderes Augenmerk auf die filtertheoretisch korrekte Umsetzung und fehlerfreie Implementierung. Anschließend sollen Beobachtbarkeits- und Konsistenzanalysen die Leistungsfähigkeit unter verschiedenen Einsatzbedingungen charakterisieren. Ein grundsätzliches Verständnis für das Konzept eines Beobachters, die Lagebeschreibung mittels Quaternionen und der geübte Umgang mit Matlab sind hierfür unabdinglich.

Vorkenntnisse:
Matlab

Ansprechpartner:
Dipl.-Ing. M. Tkocz

Entwicklung einer Sensorplattform als Demonstrator für die visuelle Navigation auf Basis von Standard-Android©-Smartphones

(Studienarbeit)

In der Robotik bezeichnet man als Navigation häufig die Lokalisierung der mobilen Plattform in seiner Umgebung. Als Perzeptionssensorik kommen hier vermehrt Kombinationen aus einer Inertialmesseinheit (IMU) und einer Kamera zur Anwendung. Am Institut für Automatisierungstechnik werden gegenwertig eine Reihe von Problemstellungen zur bildbasierten Navigation bearbeitet.

Im Rahmen dieser Arbeit soll ein Demonstrator auf Basis eines Android-Geräts (Smartphones oder Tablet) mit Beschleunigungs- und Drehratensensoren sowie einer Kamera als Sensorplattform entwickelt werden. Schwerpunkte hierbei sind zunächst das von Google bereitgestellte Framework zu nutzen um alle nötigen Sensoren anzusprechen und auszulesen. Um eine spätere Verarbeitung der Messwerte innerhalb eines Navigationsfilters zu ermöglichen ist darüber hinaus auch die zeitliche Synchronisation der Sensorsignale zu untersuchen.

Vorkenntnisse:
Java/Matlab

Ansprechpartner:
Dipl.-Ing. M. Tkocz   
Dipl.-Ing. M. Klix

Small & Safe Space Autonomous Robotic Vehicles (S3ARV)

Autonome Landungskonzepte für terrestrische und planetare Anwendungen

Während heutige robotische Raumfahrtmissionen weitgehend vom Bodenpersonal vorausgeplant und gesteuert werden, sollen künftige Flugkörper in wesentlich stärkerem Maße autonom agieren. Eine vergleichbare Tendenz ist auch bei terrestrischen robotischen Fluggeräten - sog. UAVs - erkennbar, die heute größtenteils ferngesteuert werden.

In diesem Kontext sollen am Institut für Automatisierungstechnik im Rahmen des Verbundprojekts S3ARV mit dem Institut für Flugmechanik und Flugregelung (iFR) der Universität Stuttgart in den nächsten drei Jahren Konzepte zur vollautonomen Landung derartiger Fluggeräte entwickelt, implementiert und demonstriert werden.

Als Demonstrationsplattform dient ein Octocopter (8-Rotor-System, siehe Abbildung) mit welchem sowohl terrestrische als auch planetare Landemanöver nachgebildet werden können. Ziel ist es, die entsprechenden Steueralgorithmen vollständig an Bord der Flugplattform zu implementieren.

Die Komplexität dieses Systems erfordert einen stark modularisierten Entwicklungsprozess. Interessierte Studenten sind herzlich eingeladen, sich im Rahmen von Diplomarbeiten, Studienarbeiten und SHK-Tätigkeit in folgenden Themenbereichen zu beteiligen:

• Simulationstechnik (Simulation der gesamten Flugplattform)
• Hardwareentwicklung (Flugplattform, Sensorik, Aktorik, Funkschnittstellen, Bodenstation)
• Steueralgorithmen (Guidance, Navigation & Control)

Folgende Themen stehen momentan zur Auswahl (geeignete Arbeitsformen in Klammern):

• Auswahl und Integration einer geeigneten 3D-Visualisierung in eine Octocopter-Simulationsumgebung unter besonderer Berücksichtigung einer Schnittstelle zur echtzeitfähigen Abfrage der generierten Bilder mit MATLAB 
• Montage der Flugplattform (Octocoper), Durchführung von mechanischen und elektrischen Modifikationen
• Entwicklung und Implementierung eines Software-Frameworks für den Bordrechner eines Octocopers zur späteren Integration von GNC-Algorithmen
• Entwicklung und Implementierung einer echtzeitfähigen Schnittstelle zwischen zwei eingebetteten Rechnern mit ARM-Cortex-A8/9-Prozessoren 
• Integration eines Prototyps eines Optoelectronic Optical Flow Processor (OOFP) in ein System zur drahtlosen Bildübertragung und -auswertung 
• Echtzeit-Bild-Rendering für Fischaugenkamera: Entwicklung einer Software zum Echtzeit-Bild-Rendering für Fischaugenkameras, Validierung mit verschiedenen Bildverarbeitungsalgorithmen (optischer Fluss, Keypoint-Extraktion, Stereorekonstruktion), Integration in eine Simulationsumgebung (Matlab/Simulink).
• Externe Berechnung des optischen Flusses für ein eingebettetes System unter Nutzung einer Wi-Fi-Verbindung: Recherche, Auswahl und Implementierung von echtzeitfähigen Algorithmen zur Berechnung des optischen Flusses. Implementierung eines Algorithmus in einem bodenbasierten PC-Rechner und Anbindung an einen eingebetteten Bordcomputer über Wi-Fi-Funknetzwerk 

Ansprechpartner:
Dr.-Ing. S. Dyblenko, Tel. 463-31913
Dr.-Ing. V. Chernykh, Tel. 463-32134
Dr.-Ing. A. Morozov, Tel. 463-32202