SLAM, das ist das Zauberwort bei der heutigen Raumerkennung und Navigation, moderner Roboter. Simultaneous Localization and Mapping steht für Simultane Lokalisierung und Kartenerstellung und ermöglicht es Robotern ihre Umgebung wahr zunehmen und während der Erkundung zu kartografieren.
Zur Zeit gibt es dazu zwei Methoden. Die eine findet man bei den Modellen der Firma Neato und den darauf aufbauenden Vorwerk Saugrobotern statt. Hier wird mittels eines rotierenden Lasers die Umgebung abgetastet, welches eine schnelle und relativ gute Rundumerfassung ermöglicht. Wie sich das so für den Roboter darstellt, kann man in den folgenden beiden Videos sehen:
Im ersten Video erkennt man auch schön, wie der Saugroboter, sich automatisch auf die sich ändernde Umgebung anpassen kann und anpasst.
Neato Automatic Vacuum SLAM-Based Cleaning Video
Im zweiten Video werden die Strahlen, bzw. die tatsächlich erfassten Punkte deutlich und auch die sich ändernden Parameter, wie Menschen oder Tiere, welche dem Roboter folgen bzw. ausweichen.
Neato Robotics SLAM Demonstration
Hierbei werden die Abstände im übrigen nicht über die Laufzeit des Lasers gemessen, da so genannte TOF-Sensoren immer noch recht teuer sind. Die Berechnung erfolgt hier über Triangulation (Ultra Low-Cost Laser Rangefinders Actualized by Neato Robotics).
Ähnlich verhält es sich bei den Robotern die mit einer Deckenkamera arbeiten. Sie orientieren sich unter anderem an besonders kontrastreichen Punkten an der Decke und berechnen ihre Position im Raum, mittels Triangulation.
Visual SLAM of Robot Vacuum Cleaner (Samsung Hauzen RE70V)
Auch der iRobot Braava ermittelt seine korrekte Position im Raum, mittels zweier, an die Decke projizierter Infrarot-Punkte und benutzt diese als Referenz um seine Raumkarte zu berechnen und zu erstellen.
Zur Zeit gibt es dazu zwei Methoden. Die eine findet man bei den Modellen der Firma Neato und den darauf aufbauenden Vorwerk Saugrobotern statt. Hier wird mittels eines rotierenden Lasers die Umgebung abgetastet, welches eine schnelle und relativ gute Rundumerfassung ermöglicht. Wie sich das so für den Roboter darstellt, kann man in den folgenden beiden Videos sehen:
Im ersten Video erkennt man auch schön, wie der Saugroboter, sich automatisch auf die sich ändernde Umgebung anpassen kann und anpasst.
Neato Automatic Vacuum SLAM-Based Cleaning Video
Im zweiten Video werden die Strahlen, bzw. die tatsächlich erfassten Punkte deutlich und auch die sich ändernden Parameter, wie Menschen oder Tiere, welche dem Roboter folgen bzw. ausweichen.
Neato Robotics SLAM Demonstration
Hierbei werden die Abstände im übrigen nicht über die Laufzeit des Lasers gemessen, da so genannte TOF-Sensoren immer noch recht teuer sind. Die Berechnung erfolgt hier über Triangulation (Ultra Low-Cost Laser Rangefinders Actualized by Neato Robotics).
Ähnlich verhält es sich bei den Robotern die mit einer Deckenkamera arbeiten. Sie orientieren sich unter anderem an besonders kontrastreichen Punkten an der Decke und berechnen ihre Position im Raum, mittels Triangulation.
Visual SLAM of Robot Vacuum Cleaner (Samsung Hauzen RE70V)
Auch der iRobot Braava ermittelt seine korrekte Position im Raum, mittels zweier, an die Decke projizierter Infrarot-Punkte und benutzt diese als Referenz um seine Raumkarte zu berechnen und zu erstellen.
Zuletzt bearbeitet:
