Simultaneous Localisation and Mapping

Das SLAM-Problem (Simultaneous Localization and Mapping, engl.: "Simultane Lokalisierung und Kartenerstellung") ist ein Problem, bei dem ein mobiler Roboter gleichzeitig eine Karte seiner Umgebung erstellen und seine Pose innerhalb dieser Karte schätzen soll.

Das SLAM-Problem ist ein aktives Forschungsgebiet innerhalb der Robotik, welches weltweit von zahlreichen Forschergruppen bearbeitet wird. Es gilt als eines der grundlegenden Robotik-Probleme. Entsprechend groß ist die Zahl der Lösungsansätze. Zu den derzeit populärsten Ansätzen gehören die folgenden

SLAM Verfahren

• EKF SLAM (Extended Kalman Filter),
  • SEIF (Sparse Extended Information Filter),
  • UKF (Unscented Kalman Filter),
• SLAM mit Partikelfiltern,
  • FastSLAM,
  • Grid-basierte Verfahren mit Rao-Blackwellized Partikelfiltern,
  • DP-SLAM,
• Expectation-Maximization-Filter,
• GraphSLAM und
• Scanmatching-Verfahren (wobei Scanmatching-Verfahren teilweise nicht zu den SLAM Verfahren gezählt werden, da diese das Problem des Schleifenschluß nicht lösen können)

Literatur

• Sebastian Thrun, Wolfram Burgard, Dieter Fox: Probabilistic Robotics. The Mit Press, 2005, ISBN 978-0-2622-0162-9. 
• Michael Montemerlo, Sebastian Thrun: FastSLAM: A Scalable Method for the Simultaneous Localization and Mapping Problem in Robotics. Springer Verlag, 2007, ISBN 3-5404-6399-2. 
• Austin Eliazar, Ronald Parr: DP-SLAM: Fast, Robust Simultainous Localization and Mapping Without Predetermined Landmarks. 2003. 
• Giorgio Grisetti, Cyrill Stachniss, Wolfram Burgard: Improved Techniques for Grid Mapping with Rao-Blackwellized Particle Filters. 2007. 

Weblinks

• SLAM Paper Repository - Publikationsübersicht zu SLAM
• 3D Scan Matching and Registration - Übersicht zu 3D Scan Matching
• OpenSLAM - Online Repository zu Implementierungen von verschiedenen SLAM-Algorithmen