Simultaneous Localization and Mapping View Full Text


Ontology type: schema:Chapter     


Chapter Info

DATE

2017-03-04

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

293-320

Book

TITLE

Photogrammetrie und Fernerkundung

ISBN

978-3-662-47093-0
978-3-662-47094-7

Identifiers

URI

http://scigraph.springernature.com/pub.10.1007/978-3-662-47094-7_49

DOI

http://dx.doi.org/10.1007/978-3-662-47094-7_49

DIMENSIONS

https://app.dimensions.ai/details/publication/pub.1084683948


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": "2017-03-04", 
    "datePublishedReg": "2017-03-04", 
    "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, 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": "Heipke", 
        "givenName": "Christian", 
        "type": "Person"
      }
    ], 
    "genre": "chapter", 
    "id": "sg:pub.10.1007/978-3-662-47094-7_49", 
    "isAccessibleForFree": false, 
    "isPartOf": {
      "isbn": [
        "978-3-662-47093-0", 
        "978-3-662-47094-7"
      ], 
      "name": "Photogrammetrie und Fernerkundung", 
      "type": "Book"
    }, 
    "name": "Simultaneous Localization and Mapping", 
    "pagination": "293-320", 
    "productId": [
      {
        "name": "dimensions_id", 
        "type": "PropertyValue", 
        "value": [
          "pub.1084683948"
        ]
      }, 
      {
        "name": "doi", 
        "type": "PropertyValue", 
        "value": [
          "10.1007/978-3-662-47094-7_49"
        ]
      }
    ], 
    "publisher": {
      "name": "Springer Nature", 
      "type": "Organisation"
    }, 
    "sameAs": [
      "https://doi.org/10.1007/978-3-662-47094-7_49", 
      "https://app.dimensions.ai/details/publication/pub.1084683948"
    ], 
    "sdDataset": "chapters", 
    "sdDatePublished": "2022-11-24T21:18", 
    "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_431.jsonl", 
    "type": "Chapter", 
    "url": "https://doi.org/10.1007/978-3-662-47094-7_49"
  }
]
 

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.10.1007/978-3-662-47094-7_49'

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

curl -H 'Accept: application/n-triples' 'https://scigraph.springernature.com/pub.10.1007/978-3-662-47094-7_49'

Turtle is a human-readable linked data format.

curl -H 'Accept: text/turtle' 'https://scigraph.springernature.com/pub.10.1007/978-3-662-47094-7_49'

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

curl -H 'Accept: application/rdf+xml' 'https://scigraph.springernature.com/pub.10.1007/978-3-662-47094-7_49'


 

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

51 TRIPLES      20 PREDICATES      22 URIs      17 LITERALS      7 BLANK NODES

Subject Predicate Object
1 sg:pub.10.1007/978-3-662-47094-7_49 schema:author N3d8dbb4c9f83449e97600824ce92b719
2 schema:datePublished 2017-03-04
3 schema:datePublishedReg 2017-03-04
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 Nda8c3b70621b45078f8c0f0285f8b033
6 schema:genre chapter
7 schema:isAccessibleForFree false
8 schema:isPartOf N4e53463ee0064d2db79b9f5028e193a4
9 schema:name Simultaneous Localization and Mapping
10 schema:pagination 293-320
11 schema:productId N981ccff8494749ef94b44ee2319d0951
12 Nf4bec3654f4147c99a64c8504f382b18
13 schema:publisher N623a4bdbe9ac49b89d675ae67d3be24a
14 schema:sameAs https://app.dimensions.ai/details/publication/pub.1084683948
15 https://doi.org/10.1007/978-3-662-47094-7_49
16 schema:sdDatePublished 2022-11-24T21:18
17 schema:sdLicense https://scigraph.springernature.com/explorer/license/
18 schema:sdPublisher N49396286193b491bbfc224fe02eec3a0
19 schema:url https://doi.org/10.1007/978-3-662-47094-7_49
20 sgo:license sg:explorer/license/
21 sgo:sdDataset chapters
22 rdf:type schema:Chapter
23 N3d8dbb4c9f83449e97600824ce92b719 rdf:first sg:person.015152144445.37
24 rdf:rest rdf:nil
25 N49396286193b491bbfc224fe02eec3a0 schema:name Springer Nature - SN SciGraph project
26 rdf:type schema:Organization
27 N4e53463ee0064d2db79b9f5028e193a4 schema:isbn 978-3-662-47093-0
28 978-3-662-47094-7
29 schema:name Photogrammetrie und Fernerkundung
30 rdf:type schema:Book
31 N623a4bdbe9ac49b89d675ae67d3be24a schema:name Springer Nature
32 rdf:type schema:Organisation
33 N981ccff8494749ef94b44ee2319d0951 schema:name dimensions_id
34 schema:value pub.1084683948
35 rdf:type schema:PropertyValue
36 Ncbe9530e2e7642e7b048884d27b36308 schema:familyName Heipke
37 schema:givenName Christian
38 rdf:type schema:Person
39 Nda8c3b70621b45078f8c0f0285f8b033 rdf:first Ncbe9530e2e7642e7b048884d27b36308
40 rdf:rest rdf:nil
41 Nf4bec3654f4147c99a64c8504f382b18 schema:name doi
42 schema:value 10.1007/978-3-662-47094-7_49
43 rdf:type schema:PropertyValue
44 sg:person.015152144445.37 schema:affiliation grid-institutes:grid.10388.32
45 schema:familyName Stachniss
46 schema:givenName Cyrill
47 schema:sameAs https://app.dimensions.ai/discover/publication?and_facet_researcher=ur.015152144445.37
48 rdf:type schema:Person
49 grid-institutes:grid.10388.32 schema:alternateName Insitut für Geodäsie und Geoinformation, Professur für Photogrammetrie, Universität Bonn, Nussallee 15, 53115, Bonn, Deutschland
50 schema:name Insitut für Geodäsie und Geoinformation, Professur für Photogrammetrie, Universität Bonn, Nussallee 15, 53115, Bonn, Deutschland
51 rdf:type schema:Organization
 




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


...