Seminar

Sensordatenfusion für autonome, mobile Roboter

mit Teilnahmebescheinigung

Visualisierung von Sensordaten — Bildquelle: © MASKOR Institut

Sensordatenfusion ist eine wichtige Methode, um Daten aus verschiedenen Sensorquellen in einen konsistenten Zustand zu überführen. Das Zusammenführen von Daten aus verschiedenen Quellen erlaubt, Rauschen und Fehler, die von einem Sensor stammen zu minimieren und durch Informationen aus anderen Sensoren zu ergänzen. In diesem Seminar werden wir Sensordatenfusion an einem der zentralen Probleme der mobilen Robotik zeigen: der Schätzung der Position einer autonomen, mobilen Maschine. Dabei muss der Roboter häufig Daten aus Lidar-, Odometrie- oder auch GPS-Sensoren zusammenführen. Dieses Problem ist zentral und muss in Anwendungen, in denen sich ein mobiles System zielgerichtet verhalten muss, gelöst werden. Die Anwendungen reichen von Flurförderfahrzeugen über FTS und mobilen Service- robotern bis hin zu autonomen Fahrzeugen.

Eine Klasse von probabilistischen Schätzmethoden, die auf dem Bayes Filter basieren, haben sich als robuste Lösung für Zustandsschätzprobleme etabliert, die wir in praktischen Versuchen vorstellen werden. Beispiele für Bayes-Filter sind der Particle Filter oder der Kalman-Filter. Um in diese Methoden einzuführen, werden wir das Robot Operating System (ROS) verwenden, den aktuellen Standard für Robotermiddleware. ROS verfügt über eine Reihe von Lokalisierungs- und Fusionsalgorithmen. Wir zeigen “hands-on”, wie eine mobile Maschine mit ROS gesteuert werden kann und wie der Roboter seine Position mit Hilfe von Bayes-Filtern durch geeignete Sensorik schätzen kann. In praktischen Tutorials werden wir dazu in die entsprechenden ROS-Pakete zu Lokalisierung und Kartierung der Umgebung einführen.

Beschreibung Programm Zielgruppe Seminar-
leiter Seminar-
methoden Kombi-
buchung Kontakt

Top Themen

Anwendung der Open Source Middleware Robot Operating System (ROS)
Zustandsschätzprobleme mobiler Maschinen
Sensorfusion mit dem Kalman-Filter
Umgebungsmodellierung und Kartierung
Lokalisierung mit AMCL

Ablauf des Seminars "Sensordatenfusion für autonome, mobile Roboter"

Erfahren Sie in der Weiterbildung "Sensordatenfusion für autonome, mobile Roboter" mehr zu folgenden Themen:

Programm als PDF herunterladen

1. Tag: 09:00 bis 17:00 Uhr, 2. Tag: 09:00 bis 17:00 Uhr

	Sensoren für mobile Maschinen Grundlagen mobiler Maschinen Sensorkonzepte Sensoren für mobile Maschinen
	Grundlagen der Middleware ROS Grundlagen von ROS Publisher / Subscriber-Architektur Berechnungsmodell in ROS Simulation in Gazebo Unterschiede ROS1 / ROS2
	Erstellung von Umgebungskarten in ROS Unterschiedliche Kartenrepräsentation: Occupancy Grids, Octrees Kartierung mit dem Gmapping-Paket 3D-Kartierung, z. B. mit dem RGBD-SLAM-Paket
	Roboternavigation Der Navigation-Stack TF-Trees für mobile Maschinen Globale vs. lokale Navigation
	Lokalisierung in ROS Bayes-Filter Adaptive Monte Carlo Localisation
	Sensorfusion in ROS Kalman-Filter EKF Sensordatenfusion auf realen Bagfiledaten

Zielgruppe

Fach- und Führungskräfte in der Industrie aus den Abteilungen:

Forschung & Entwicklung
Automatisierung
Applikationsentwicklung

Ihre Leiter für das Seminar "Sensordatenfusion für autonome, mobile Roboter":

Prof. Dr. rer. nat. Alexander Ferrein, hat bis 2001 an der RWTH Aachen Informatik studiert und dort auch 2007 promoviert. Nach einem zweijährigen Auslandsaufenthalt mit einem Feodor-

Lynen-Stipendium der Alexander von Humboldt Stiftung, den er an der Universität Kapstadt verbracht hat, wurde er 2011 zum Professor für Robotik und Grundlagen der Informatik an die Fachhochschule Aachen berufen. Er ist Gründungsmitglied des Instituts für Mobile Autonome Systeme und Kognitive Robotik, das er auch seit 2014 leitet. Seine Forschungsinteressen liegen im Bereich der KI und Kognitiven Robotik.

Dr. Stefan Schiffer erlangte sein Diplom in Informatik und seinen Doktor der Naturwissenschaften an der RWTH Aachen University in den Jahren 2005 und 2014. Er ist der Forschungs-

koordinator des MASKOR Instituts an der FH Aachen University of Applied Sciences. Außerdem ist er Postdoktorand und wissenschaftlicher Mitarbeiter am Lehrstuhl Technik und Individuum der RWTH Aachen University, nachdem er zuvor Postdoktorand bei der Knowledge-Based Systems Group an der gleichen Universität war. In seiner Forschung beschäftigt er sich mit Themen aus den Bereichen wissensbasierte Systeme, embodied Artificial Intelligence, kognitive Robotik und Mensch-Roboter Interaktion.