Simultaneous Localization and Mapping View Full Text


Ontology type: schema:Chapter     


Chapter Info

DATE

2016-08-05

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, 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

1-29

Identifiers

URI

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

DOI

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

DIMENSIONS

https://app.dimensions.ai/details/publication/pub.1083418604


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, Nussallee 15, 53115, 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, Nussallee 15, 53115, 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": "2016-08-05", 
    "datePublishedReg": "2016-08-05", 
    "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 Aufgabe, die Trajektorie samt Orientierungsinformation einer sich bewegenden Plattform aus Beobachtungen zu sch\u00e4tzen 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 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, 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 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 z\u00e4hlen. Bei der Verwendung der Kleinsten-Quadrate Methode sowie beim Kalman-Filter wird meist eine 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, wie 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_49-2", 
    "isAccessibleForFree": false, 
    "isPartOf": {
      "isbn": [
        "978-3-662-46900-2"
      ], 
      "name": "Handbuch der Geod\u00e4sie", 
      "type": "Book"
    }, 
    "name": "Simultaneous Localization and Mapping", 
    "pagination": "1-29", 
    "productId": [
      {
        "name": "dimensions_id", 
        "type": "PropertyValue", 
        "value": [
          "pub.1083418604"
        ]
      }, 
      {
        "name": "doi", 
        "type": "PropertyValue", 
        "value": [
          "10.1007/978-3-662-46900-2_49-2"
        ]
      }
    ], 
    "publisher": {
      "name": "Springer Nature", 
      "type": "Organisation"
    }, 
    "sameAs": [
      "https://doi.org/10.1007/978-3-662-46900-2_49-2", 
      "https://app.dimensions.ai/details/publication/pub.1083418604"
    ], 
    "sdDataset": "chapters", 
    "sdDatePublished": "2022-11-24T21:20", 
    "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_98.jsonl", 
    "type": "Chapter", 
    "url": "https://doi.org/10.1007/978-3-662-46900-2_49-2"
  }
]
 

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_49-2'

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_49-2'

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_49-2'

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_49-2'


 

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

55 TRIPLES      20 PREDICATES      22 URIs      17 LITERALS      7 BLANK NODES

Subject Predicate Object
1 sg:pub.10.1007/978-3-662-46900-2_49-2 schema:author N19214274ab4b4868884964cdd7a2d43e
2 schema:datePublished 2016-08-05
3 schema:datePublishedReg 2016-08-05
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, 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 N2c713f87645b474a9f737c251d95fcc8
6 schema:genre chapter
7 schema:isAccessibleForFree false
8 schema:isPartOf Naeb7b06e5be442f99caffe6c8395dd6a
9 schema:name Simultaneous Localization and Mapping
10 schema:pagination 1-29
11 schema:productId N3917a1520e0d4df18cfe940dfc3307ff
12 Nad9f1dcfbea64ad2a59d44100f8fc8cb
13 schema:publisher N3f793a21ff7043049e4836828606edf7
14 schema:sameAs https://app.dimensions.ai/details/publication/pub.1083418604
15 https://doi.org/10.1007/978-3-662-46900-2_49-2
16 schema:sdDatePublished 2022-11-24T21:20
17 schema:sdLicense https://scigraph.springernature.com/explorer/license/
18 schema:sdPublisher Nefc399aa369641518bf003952c908182
19 schema:url https://doi.org/10.1007/978-3-662-46900-2_49-2
20 sgo:license sg:explorer/license/
21 sgo:sdDataset chapters
22 rdf:type schema:Chapter
23 N19214274ab4b4868884964cdd7a2d43e rdf:first sg:person.015152144445.37
24 rdf:rest rdf:nil
25 N2c713f87645b474a9f737c251d95fcc8 rdf:first N7479e4707a8b42c4a2414b72de2ddee6
26 rdf:rest N777d870ebfeb4b39987c214121a231f1
27 N3917a1520e0d4df18cfe940dfc3307ff schema:name dimensions_id
28 schema:value pub.1083418604
29 rdf:type schema:PropertyValue
30 N3f793a21ff7043049e4836828606edf7 schema:name Springer Nature
31 rdf:type schema:Organisation
32 N7479e4707a8b42c4a2414b72de2ddee6 schema:familyName Freeden
33 schema:givenName Willi
34 rdf:type schema:Person
35 N777d870ebfeb4b39987c214121a231f1 rdf:first Ndeb9ed5ee1284eff839a6199eb26019d
36 rdf:rest rdf:nil
37 Nad9f1dcfbea64ad2a59d44100f8fc8cb schema:name doi
38 schema:value 10.1007/978-3-662-46900-2_49-2
39 rdf:type schema:PropertyValue
40 Naeb7b06e5be442f99caffe6c8395dd6a schema:isbn 978-3-662-46900-2
41 schema:name Handbuch der Geodäsie
42 rdf:type schema:Book
43 Ndeb9ed5ee1284eff839a6199eb26019d schema:familyName Rummel
44 schema:givenName Reiner
45 rdf:type schema:Person
46 Nefc399aa369641518bf003952c908182 schema:name Springer Nature - SN SciGraph project
47 rdf:type schema:Organization
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, Nussallee 15, 53115, Bonn, Deutschland
54 schema:name Insitut für Geodäsie und Geoinformation, Professur für Photogrammetrie, Universität Bonn, Nussallee 15, 53115, Bonn, Deutschland
55 rdf:type schema:Organization
 




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


...