Simultaneous Localization and Mapping View Full Text


Ontology type: schema:Chapter     


Chapter Info

DATE

2015

AUTHORS

Cyrill Stachniss

ABSTRACT

Dieses Kapitel gibt eine Einführung in die Kartenerstellung und gleichzeitige Lokalisierung mobiler Sensorplattformen. Die gemeinsame Lösung dieser beiden Probleme ist eine Voraussetzung für die Realisierung vieler technischer Systeme von leichten Fluggeräten über autonome Roboter bis hin zu mobilen Kameras. Als Simultaneous Localization and Mapping bezeichnet man die Aufgabe, die Trajektorie samt Orientierungsinformation einer sich bewegenden Plattform aus Beobachtungen zu schätzen und gleichzeitig eine Karte der Umgebung zu erstellen. Diese Aufgabe ist in vielen realen Systemen von entscheidender Bedeutung: einerseits stellen hochgenaue Karten mitunter einen Wert an sich für den Benutzer oder eine spezielle Anwendung dar, andererseits benötigen beispielsweise autonome Roboter ein solches Modell, um zielgerichtet selbstständig navigieren zu können. Das Simultaneous Localization and Mapping Problem, beziehungsweise Teilprobleme davon,s werden, je nach verwendeter Sensorik, auch als Bündelausgleichung, Structure from Motion oder SLAM bezeichnet.In diesem Kapitel werden wir verschiedene Ansätze vorstellen, mit denen man das SLAM Problem adressieren kann. Dies beinhaltet neben dem klassischen Verfahren mittels Ausgleichung, welches offline auf allen Daten operiert, auch Filtertechniken wie den Kalman-Filter und den Partikel-Filter, die zu den Onlineverfahren zählen. Bei der Verwendung der Kleinsten-Quadrate Methode sowie beim Kalman-Filter wird meist eine Normalverteilung beziehungsweise eine unimodale Verteilung über die Positionen der 3D-Punkte in der Umgebung und die Orientierung des Sensors geschätzt. Im Gegensatz dazu arbeitet der Partikel-Filter nichtparametrisch und kann multiple Hypothesen über mögliche Datenassoziationen parallel schätzen. Neben den einzusetzenden Schätzverfahren wird auch skizziert, wie SLAM Systeme mit unterschiedlichen Sensoren realisiert werden können. More... »

PAGES

1-28

Book

TITLE

Handbuch der Geodäsie

ISBN

978-3-662-46900-2

Identifiers

URI

http://scigraph.springernature.com/pub.10.1007/978-3-662-46900-2_49-1

DOI

http://dx.doi.org/10.1007/978-3-662-46900-2_49-1

DIMENSIONS

https://app.dimensions.ai/details/publication/pub.1006255889


Indexing Status Check whether this publication has been indexed by Scopus and Web Of Science using the SN Indexing Status Tool
Incoming Citations Browse incoming citations for this publication using opencitations.net

JSON-LD is the canonical representation for SciGraph data.

TIP: You can open this SciGraph record using an external JSON-LD service: JSON-LD Playground Google SDTT

[
  {
    "@context": "https://springernature.github.io/scigraph/jsonld/sgcontext.json", 
    "author": [
      {
        "affiliation": {
          "alternateName": "Insitut f\u00fcr Geod\u00e4sie und Geoinformation, Professur f\u00fcr Photogrammetrie, Universit\u00e4t Bonn, Bonn, Deutschland", 
          "id": "http://www.grid.ac/institutes/grid.10388.32", 
          "name": [
            "Insitut f\u00fcr Geod\u00e4sie und Geoinformation, Professur f\u00fcr Photogrammetrie, Universit\u00e4t Bonn, Bonn, Deutschland"
          ], 
          "type": "Organization"
        }, 
        "familyName": "Stachniss", 
        "givenName": "Cyrill", 
        "id": "sg:person.015152144445.37", 
        "sameAs": [
          "https://app.dimensions.ai/discover/publication?and_facet_researcher=ur.015152144445.37"
        ], 
        "type": "Person"
      }
    ], 
    "datePublished": "2015", 
    "datePublishedReg": "2015-01-01", 
    "description": "Dieses Kapitel gibt eine Einf\u00fchrung in die Kartenerstellung und gleichzeitige Lokalisierung mobiler Sensorplattformen. Die gemeinsame L\u00f6sung dieser beiden Probleme ist eine Voraussetzung f\u00fcr die Realisierung vieler technischer Systeme von leichten Flugger\u00e4ten \u00fcber autonome Roboter bis hin zu mobilen Kameras. Als Simultaneous Localization and Mapping bezeichnet man die\u00a0Aufgabe, die Trajektorie samt Orientierungsinformation einer sich bewegenden Plattform aus Beobachtungen zu sch\u00e4tzen und gleichzeitig eine Karte der\u00a0Umgebung zu erstellen. Diese Aufgabe ist in vielen realen Systemen von entscheidender Bedeutung: einerseits stellen hochgenaue Karten mitunter einen Wert an sich f\u00fcr den Benutzer oder eine spezielle Anwendung dar, andererseits ben\u00f6tigen beispielsweise autonome Roboter ein solches Modell, um zielgerichtet selbstst\u00e4ndig navigieren zu k\u00f6nnen. Das Simultaneous Localization and Mapping Problem, beziehungsweise Teilprobleme davon,s werden, je nach verwendeter Sensorik, auch als B\u00fcndelausgleichung, Structure from Motion oder SLAM bezeichnet.In diesem Kapitel werden wir verschiedene Ans\u00e4tze vorstellen, mit\u00a0denen man das SLAM Problem adressieren kann. Dies beinhaltet neben dem klassischen Verfahren mittels Ausgleichung, welches offline auf\u00a0allen Daten operiert, auch Filtertechniken wie den Kalman-Filter und den Partikel-Filter, die zu den Onlineverfahren z\u00e4hlen. Bei der Verwendung der\u00a0Kleinsten-Quadrate Methode sowie beim Kalman-Filter wird meist\u00a0eine Normalverteilung beziehungsweise eine unimodale Verteilung \u00fcber die Positionen der 3D-Punkte in der Umgebung und die Orientierung des Sensors gesch\u00e4tzt. Im Gegensatz dazu arbeitet der Partikel-Filter nichtparametrisch und kann multiple Hypothesen \u00fcber m\u00f6gliche Datenassoziationen parallel sch\u00e4tzen. Neben den einzusetzenden Sch\u00e4tzverfahren wird auch skizziert,\u00a0wie SLAM Systeme mit unterschiedlichen Sensoren realisiert werden k\u00f6nnen.", 
    "editor": [
      {
        "familyName": "Freeden", 
        "givenName": "Willi", 
        "type": "Person"
      }, 
      {
        "familyName": "Rummel", 
        "givenName": "Reiner", 
        "type": "Person"
      }
    ], 
    "genre": "chapter", 
    "id": "sg:pub.10.1007/978-3-662-46900-2_49-1", 
    "isAccessibleForFree": false, 
    "isPartOf": {
      "isbn": [
        "978-3-662-46900-2"
      ], 
      "name": "Handbuch der Geod\u00e4sie", 
      "type": "Book"
    }, 
    "name": "Simultaneous Localization and Mapping", 
    "pagination": "1-28", 
    "productId": [
      {
        "name": "dimensions_id", 
        "type": "PropertyValue", 
        "value": [
          "pub.1006255889"
        ]
      }, 
      {
        "name": "doi", 
        "type": "PropertyValue", 
        "value": [
          "10.1007/978-3-662-46900-2_49-1"
        ]
      }
    ], 
    "publisher": {
      "name": "Springer Nature", 
      "type": "Organisation"
    }, 
    "sameAs": [
      "https://doi.org/10.1007/978-3-662-46900-2_49-1", 
      "https://app.dimensions.ai/details/publication/pub.1006255889"
    ], 
    "sdDataset": "chapters", 
    "sdDatePublished": "2022-11-24T21:13", 
    "sdLicense": "https://scigraph.springernature.com/explorer/license/", 
    "sdPublisher": {
      "name": "Springer Nature - SN SciGraph project", 
      "type": "Organization"
    }, 
    "sdSource": "s3://com-springernature-scigraph/baseset/20221124/entities/gbq_results/chapter/chapter_214.jsonl", 
    "type": "Chapter", 
    "url": "https://doi.org/10.1007/978-3-662-46900-2_49-1"
  }
]
 

Download the RDF metadata as:  json-ld nt turtle xml License info

HOW TO GET THIS DATA PROGRAMMATICALLY:

JSON-LD is a popular format for linked data which is fully compatible with JSON.

curl -H 'Accept: application/ld+json' 'https://scigraph.springernature.com/pub.10.1007/978-3-662-46900-2_49-1'

N-Triples is a line-based linked data format ideal for batch operations.

curl -H 'Accept: application/n-triples' 'https://scigraph.springernature.com/pub.10.1007/978-3-662-46900-2_49-1'

Turtle is a human-readable linked data format.

curl -H 'Accept: text/turtle' 'https://scigraph.springernature.com/pub.10.1007/978-3-662-46900-2_49-1'

RDF/XML is a standard XML format for linked data.

curl -H 'Accept: application/rdf+xml' 'https://scigraph.springernature.com/pub.10.1007/978-3-662-46900-2_49-1'


 

This table displays all metadata directly associated to this object as RDF triples.

55 TRIPLES      20 PREDICATES      23 URIs      18 LITERALS      7 BLANK NODES

Subject Predicate Object
1 sg:pub.10.1007/978-3-662-46900-2_49-1 schema:author N7108e08f34d443a9b511efb591829616
2 schema:datePublished 2015
3 schema:datePublishedReg 2015-01-01
4 schema:description Dieses Kapitel gibt eine Einführung in die Kartenerstellung und gleichzeitige Lokalisierung mobiler Sensorplattformen. Die gemeinsame Lösung dieser beiden Probleme ist eine Voraussetzung für die Realisierung vieler technischer Systeme von leichten Fluggeräten über autonome Roboter bis hin zu mobilen Kameras. Als Simultaneous Localization and Mapping bezeichnet man die Aufgabe, die Trajektorie samt Orientierungsinformation einer sich bewegenden Plattform aus Beobachtungen zu schätzen und gleichzeitig eine Karte der Umgebung zu erstellen. Diese Aufgabe ist in vielen realen Systemen von entscheidender Bedeutung: einerseits stellen hochgenaue Karten mitunter einen Wert an sich für den Benutzer oder eine spezielle Anwendung dar, andererseits benötigen beispielsweise autonome Roboter ein solches Modell, um zielgerichtet selbstständig navigieren zu können. Das Simultaneous Localization and Mapping Problem, beziehungsweise Teilprobleme davon,s werden, je nach verwendeter Sensorik, auch als Bündelausgleichung, Structure from Motion oder SLAM bezeichnet.In diesem Kapitel werden wir verschiedene Ansätze vorstellen, mit denen man das SLAM Problem adressieren kann. Dies beinhaltet neben dem klassischen Verfahren mittels Ausgleichung, welches offline auf allen Daten operiert, auch Filtertechniken wie den Kalman-Filter und den Partikel-Filter, die zu den Onlineverfahren zählen. Bei der Verwendung der Kleinsten-Quadrate Methode sowie beim Kalman-Filter wird meist eine Normalverteilung beziehungsweise eine unimodale Verteilung über die Positionen der 3D-Punkte in der Umgebung und die Orientierung des Sensors geschätzt. Im Gegensatz dazu arbeitet der Partikel-Filter nichtparametrisch und kann multiple Hypothesen über mögliche Datenassoziationen parallel schätzen. Neben den einzusetzenden Schätzverfahren wird auch skizziert, wie SLAM Systeme mit unterschiedlichen Sensoren realisiert werden können.
5 schema:editor N46e55f9e4a9c4961b32a5479328b0821
6 schema:genre chapter
7 schema:isAccessibleForFree false
8 schema:isPartOf Ndf4cf02e638f4e56b642046a4a4cba9b
9 schema:name Simultaneous Localization and Mapping
10 schema:pagination 1-28
11 schema:productId N09565e6cd4bc43fd873fcc35505f0151
12 N8d86bb26bcc7430a86c314b861483691
13 schema:publisher Nce02a2470e0a4109b79b9b9484adbb37
14 schema:sameAs https://app.dimensions.ai/details/publication/pub.1006255889
15 https://doi.org/10.1007/978-3-662-46900-2_49-1
16 schema:sdDatePublished 2022-11-24T21:13
17 schema:sdLicense https://scigraph.springernature.com/explorer/license/
18 schema:sdPublisher Nb08036eb28a14897b6df280546dc83fb
19 schema:url https://doi.org/10.1007/978-3-662-46900-2_49-1
20 sgo:license sg:explorer/license/
21 sgo:sdDataset chapters
22 rdf:type schema:Chapter
23 N09565e6cd4bc43fd873fcc35505f0151 schema:name dimensions_id
24 schema:value pub.1006255889
25 rdf:type schema:PropertyValue
26 N0da1f5b257304fdcb07f1caf9ec72d6f rdf:first N6ea93a0de3384909ab6caaeb3efe7e6d
27 rdf:rest rdf:nil
28 N46e55f9e4a9c4961b32a5479328b0821 rdf:first Nf607ee0cc8834143be226808e2b10ce1
29 rdf:rest N0da1f5b257304fdcb07f1caf9ec72d6f
30 N6ea93a0de3384909ab6caaeb3efe7e6d schema:familyName Rummel
31 schema:givenName Reiner
32 rdf:type schema:Person
33 N7108e08f34d443a9b511efb591829616 rdf:first sg:person.015152144445.37
34 rdf:rest rdf:nil
35 N8d86bb26bcc7430a86c314b861483691 schema:name doi
36 schema:value 10.1007/978-3-662-46900-2_49-1
37 rdf:type schema:PropertyValue
38 Nb08036eb28a14897b6df280546dc83fb schema:name Springer Nature - SN SciGraph project
39 rdf:type schema:Organization
40 Nce02a2470e0a4109b79b9b9484adbb37 schema:name Springer Nature
41 rdf:type schema:Organisation
42 Ndf4cf02e638f4e56b642046a4a4cba9b schema:isbn 978-3-662-46900-2
43 schema:name Handbuch der Geodäsie
44 rdf:type schema:Book
45 Nf607ee0cc8834143be226808e2b10ce1 schema:familyName Freeden
46 schema:givenName Willi
47 rdf:type schema:Person
48 sg:person.015152144445.37 schema:affiliation grid-institutes:grid.10388.32
49 schema:familyName Stachniss
50 schema:givenName Cyrill
51 schema:sameAs https://app.dimensions.ai/discover/publication?and_facet_researcher=ur.015152144445.37
52 rdf:type schema:Person
53 grid-institutes:grid.10388.32 schema:alternateName Insitut für Geodäsie und Geoinformation, Professur für Photogrammetrie, Universität Bonn, Bonn, Deutschland
54 schema:name Insitut für Geodäsie und Geoinformation, Professur für Photogrammetrie, Universität Bonn, Bonn, Deutschland
55 rdf:type schema:Organization
 




Preview window. Press ESC to close (or click here)


...