Bachelor- und Masterarbeiten

Roboterlokalisierung und Umgebungskartierung

 

Zur langfistigen und zielgerichteten Bewegungsplanung ist es für autonome Roboter notwendig eine Karte der Umgebung zu erstellen und sich darin zu lokalisieren. Dazu müssen die Daten der verschiedenen Sensoren (Laserscanner, Kamerabilder, Geschwindigkeitsmesser, etc.) kombiniert und ausgewertet werden. Um die Anforderung der Umgebung so gering wie möglich zu halten soll in dieser Arbeit auf den, auf einem Modellfahrzeug montierten, Kinect Sensor zurückgegriffen werden um die Karte einer Innenraum-Umgebung zu erstellen und sich darin zu lokalisieren.

In diesem Rahmen können Studien- oder Diplomarbeiten zu folgenden Themen geleistet werden:

• Implementierung einer Methodik zur Roboterbewegungsschätzung aus LIDAR- und Kameradaten.
• Entwickeln von C/C++ Routinen zur Erstellung von Umgebungskarten.

Vorrausgesetzt werden fundamentale Kenntnisse in C/C++.

Ansprechpartner: André Müller, Tel.: 4547

Identifikation der Fahrzeugdynamik

Allgemeines: Im Rahmen zweier Diplomarbeiten wurde bisher die Fahrzeugdynamik unseres Versuchsfahrzeugs MuCAR-3 analysiert. Zu großen Teilen ist dies jedoch „per Hand“ erledigt worden und dadurch nur schwer für andere Versuchsträger wiederholbar.

Ziel der Arbeit ist daher die Schaffung einer Matlab-Toolkette, die den Benutzer bei der erneuten Identifizierung der Fahrzeugeigenschaften unterstützt. In der Längsdynamik sind die zu ermittelnden Parameter z.B. Masse, Wind- und Rollwiderstand sowie das Motorkennfeld; in der Querdynamik sind vor allem Rotationsträgheit, sowie evtl. auch die Reifenkräfte, von Interesse.

Der Umfang der Arbeit kann je nach Typ der Arbeit (Studien-, Bachelorarbeit) entsprechend angepasst werden.

Zur Bearbeitung des Themas müssen die folgenden Voraussetzungen gegeben sein:
• Überdurchschnittliche Studienleistungen.
• Grundlegende Programmiererfahrungen in Matlab.
• Spaß am selbständigen Arbeiten.

Ansprechpartner: Thorsten Lüttel, Tel.: 4637

Intrinsische Kalibrierung eines mehrstrahligen Laserscanners

Ziel dieser Arbeit ist es, die fabrikseitige Kalibrierung des Velodyne HDL64E-S2 LIDAR-Sensors zu verbessern. Dazu müssen für jede einzelne der 64 Laserdioden Parameter wie Einbaulage und Einbauwinkel so gewählt werden, dass das Gesamtbild der Umgebung verbessert wird. Dazu kann ausgenutzt werden, dass in den meisten Umgebungen die Punkte auf kontinuierlichen Flächen liegen. Die Parameter könnten also bspw. so gewählt werden, dass der Abstand aller Punkte zu solchen Flächen minimal ist.

Eine weitere Voraussetzung ist, dass die Kalibrierung ohne besondere Kalibrierobjekte, wie bspw. eine Tafel mit Schachbrettmuster, funktioniert. Vielmehr soll es möglich sein, die Kalibrierung in beliebiger Umgebung und auf dem fahrenden Fahrzeug online durchzuführen.

Themengebiete: Verarbeitung großer unorganisierter Punktwolken (1500000 Punkte/s), geometrische Interpretation von Punktwolken, Optimisierungsmethoden.

Vorrausgesetzt werden fundamentale Kenntnisse in C/C++.

Ansprechpartner: Michael Himmelsbach, Tel.: 4548

Autonome Agenten in Kreuzungsszenarien

 

Um das Verhalten autonomer Roboter wie MuCAR-3 in verschiedenen Situationen zu testen ist es notwendig Testszenarien zu erschaffen. Gerade im Bereich von Kreuzungen treten eine Vielzahl von Situationen auf für die MuCAR-3 die richtige Entscheidung treffen muss. Daher soll in dieser Arbeit die an diesem Institut bestehende Simulation um Kreuzungen erweitert werden und die Fähigkeiten darin operierenden Agenten angepasst werden um Kreuzungen befahren zu können.

In diesem Rahmen können Studien- oder Diplomarbeiten zu folgenden Themen geleistet werden:

• Erweiterung einer Simulationsumgebung um Kreuzungen (visuell und geometrisch).
• Erweiterung der Fähigkeiten der in der Simulation eingesetzten autonomen Agenten.

Vorrausgesetzt werden fundamentale Kenntnisse in C/C++.

Ansprechpartner: André Müller, Tel.: 4547

Segmentierung und Objekterkennung in 3D LIDAR Daten

 

Unser LIDAR-Sensor nimmt die Umgebung als eine unstrukturierte Menge von 3D Punkten dar. Eine der ersten Aufgaben für die Verarbeitung von LIDAR-Daten ist eine effiziente Segmentierung solcher Punktewolken in Untergrund und Objekte. Anschließend sollen die gefundenen Objekte Klassen wie bspw. Vegetation oder artifizielle Objekte wie Häuser, Autos oder Strassenschilder zugeordnet werden. Gehört ein Objekt der Klasse der beweglichen Objekte an, so kann man schließlich dessen Bewegungsparameter aus sukzessiven Beobachtungen schätzen. Liegen dieser Schätzung Modelle für Erscheinung und Bewegung des Objekts zugrunde (4D Ansatz), so läßt sich die Güte der Schätzung erheblich verbessern.

In diesem Rahmen können Studien- oder Diplomarbeiten zu folgenden Themen geleistet werden:

• Vergleich und Implementation effizienter Datenstrukturen für die Verarbeitung von 3D Punktewolken
• Entwicklung einer Methode zur Trennung von Objekten und Untergrund
• Extraktion von Merkmalen und/oder Trainieren von Klassifikatoren für missionsrelevante Objekte (Autos, Fahrräder, Fußgänger, Büsche, Bäume, Gras)
• Anwendung des 4D Ansatzes für bewegliche Objekte (Autos, Fahrräder, Fußgänger) in LIDAR Daten

Vorrausgesetzt werden fundamentale Kenntnisse in C/C++.

Ansprechpartner: Michael Himmelsbach, Tel.: 4548

 

Erkennen von Spurmarkierungen und Bordsteinen in 3D LIDAR-Daten

Bordsteine erscheinen in LIDAR Daten als plötzliche geringfügige Höhenänderungen. In einer Studienarbeit soll eine Methode zur Erkennung von Bordsteinen in LIDAR Daten entwickelt werden. Sollte die Arbeit im Rahmen einer Diplomarbeit erfolgen, so soll anschließend anhand der erkannten Bordsteine eine Schätzung des 3D Klothoiden-Modell der Strasse mit dem 4D Ansatz erfolgen.

LIDAR Daten erlauben auch das Erkennen von Spurmarkierungen. Hierzu wird die Intensität des von der Spurmarkierung reflektierten und im Sensor detektierten Laserlichts betrachtet. Wie oben kann die Arbeit als Studien- oder Diplomarbeit geleistet werden, wobei eine Diplomarbeit abermals das Schätzen eines Klothoidenmodells der Strasse anhand der gemessenen Spurmarkierungen mit einschließt.

Vorausgesetzt werden fundamentale Kenntnisse in C/C++. Ein Besuch der VL Technik Autonomer Systeme ist wünschenswert.

Ansprechpartner: Michael Himmelsbach, Tel.: 4548

 

Lokale Pfadplanung in einem Dreiecksgitter

 

Um sicher in der Umgebung zu navigieren ist es für autonome Roboter wie MuCAR-3 nötig Hindernisse zu erkennen und basierend auf diesen Informationen einen sicheren Pfad durch die Hindernisse zu planen. Hierzu wurde bereits eine Methode entwickelt, die aus gegebenen Hindernissen eine Freiraumrepräsentation erstellt auf der eine Planung erfolgen kann. Zum Einen soll in dieser Arbeit die bestehende Methodik um einen iterativen Schritt erweitert werden um die Freiraumrepräsentation zu aktualisieren anstatt neu zu erstellen. Zum Anderen soll in dieser Repräsentation eine Pfadplanung unter gegebenen Ziel erfolgen.

In diesem Rahmen können Studien- oder Diplomarbeiten zu folgenden Themen geleistet werden:

• Erweiterung der bestehenden Methodik zur Freiraumbestimmung.
• Entwickeln von C/C++ Routinen zur Pfadplanung auf der Dreiecksvermaschung.

Vorrausgesetzt werden fundamentale Kenntnisse in C/C++.

Ansprechpartner: André Müller, Tel.: 4547