About this role
Ausschreibung für die Fachrichtung wie z. B.: Automatisierungstechnik, Elektrotechnik, Informatik oder vergleichbare.
In der Forschungsgruppe „Navigation mobile Roboter“ entwickeln wir autonome, mobile Roboter für Outdoor-Anwendungen, beispielsweise in der Landwirtschaft, in urbanen Umgebungen sowie in Search and Rescue. Der Schwerpunkt liegt auf der Entwicklung einer autonomen Outdoor-Navigationslösung.
Ein Roboter, der über große Areale navigiert, braucht eine global konsistente Karte seiner Umgebung. Aus ihr wird die Costmap für die Pfadplanung abgeleitet. Nur so lassen sich Routen über große Distanzen planen, die auch Bereiche außerhalb der aktuellen Sensorabdeckung berücksichtigen und Hindernisse zuverlässig detektieren und vermeiden.
Dem stehen zwei Herausforderungen entgegen. Erstens muss das Verfahren dauerhafte von temporären Veränderungen unterscheiden. Wetter, Jahreszeiten, Baumaßnahmen und bewegte Hindernisse verändern die vom Roboter erkannte Umgebung ständig, doch nur dauerhafte strukturelle Änderungen dürfen in die Karte übernommen werden. Zweitens muss die Karte konsistent weiterwachsen können, in Bereiche die zuvor nicht befahren und detektiert wurden. Werden neue Bereiche erschlossen, müssen diese an die bestehende Karte angefügt werden. Erschwert wird das allerdings dadurch, dass die vom Roboter selbst geschätzte Position nachträglich korrigiert wird, sobald sein Lokalisierungsmodul einen bereits bekannten Ort wiedererkennt (sogenanntes Loop Closure). Alle bis dahin eingetragene Messungen sitzen dann an der falschen Stelle und eine starre globale Karte müsste vollständig neu aufgebaut werden. Hier setzt diese Masterarbeit an.
Hier sorgen Sie für Veränderung
Im Rahmen dieser Arbeit sind insbesondere folgende Aspekte zu bearbeiten:
- Aufarbeitung des Stands der Technik zu Lifelong Mapping und Change Detection
- Untersuchung und Bewertung submap-basierter Kartenrepräsentationen, die nachträgliche Posenkorrekturen nachführen können
- Trennen Untersuchung von Aktualisierungsstrategien, die dauerhafte von temporären Änderungen
- Implementierung der gewählten Lösung in unserem ROS-2-basierten Navigationsstack und Anbindung an die bestehende LiDAR-Inertial-Lokalisierung sowie das Nav2-Framework
- Benchmarking in Simulation und auf unseren CURT-Robotern anhand von Metriken wie Kartenkonsistenz, Speicherbedarf, Rechenzeit und dem Anteil fälschlich übernommener dynamischer Objekte