About this role
Auschreibung für die Fachrichtung wie z. B.: Automatisierungstechnik, Elektrotechnik, Informatik oder vergleichbare.
In der Forschungsgruppe Navigation mobiler Roboter entwickeln wir autonome Roboter für vielfältige Outdoor-Anwendungen, beispielsweise in der Landwirtschaft, Forstwirtschaft und Logistik. Der Fokus liegt auf der Entwicklung einer autonomen Outdoor-Navigationslösung sowie der Hardware unserer Roboter.
Da sich diese Outdoor-Umgebungen durch Wetterbedingungen, saisonale Veränderungen, Neubauten und dynamische Hindernisse kontinuierlich verändern, muss der Roboter seine Repräsentation der gesamten Umgebung fortlaufend aktualisieren. Das Lokalisierungs-Modul muss erkennen, welche Bereiche statisch, semi-statisch oder dynamisch sind, und die globale Pointcloud-Referenzkarte entsprechend anpassen. Darüber hinaus soll das Scan Matching zwischen den Live-Pointclouds und der globalen Pointcloud-Karte verbessert werden. Dadurch soll auch bei vielen dynamischen Hindernissen, die die Sicht blockieren, eine zuverlässige Posenschätzung möglich sein.
Hier sorgen Sie für Veränderung
Sie entwickeln eine globale Pointcloud-Mapping-Pipeline, bestehend aus einem Pointcloud-Filtering-Ansatz und einem Pointcloud-Matching-Algorithmus. Der Filtering-Ansatz soll kamerabasierte Klassifikationen aus einem separaten Modul in den Pointcloud-Daten nutzen, um unterschiedliche Objektarten zu unterscheiden und eine konsistente globale Pointcloud-Karte aufzubauen und zu pflegen.
Der Scan-Matching-Algorithmus muss für spärlich strukturierte Umgebungen mit dynamischen Hindernissen geeignet sein und sehr wenige False-Positive-Matches erzeugen.
Bereits vorhanden ist eine Basis eines 3D-LiDAR-Localization-Moduls, das eine lokale Pointcloud-Karte für die Odometrie und eine statische globale Pointcloud-Karte als absolute Referenz verwendet. Ihr Algorithmus ersetzt diese statische globale Karte durch die neue, fortlaufend aktualisierte globale Pointcloud-Mapping-Pipeline.
Sie implementieren Ihre Lösung in unserem ROS2-/C++-Navigationsstack und evaluieren die Performance sowohl in Simulationen als auch in verschiedenen realen Szenarien mit unseren mobilen CURT-Robotern.