Maximilian Klockmann: MWMA-SLAM: Manhattan-World-Multi-Agent-SLAM. Otto-von-Guericke-University Magdeburg, 2020.

Abstract

Einsatzkräfte müssen sich regelmäßig zur Rettung von Opfern in unbekannten Umgebungen zurechtfinden. Dabei liegen nur selten Karten vor. Die Einsatzleitung muss die einzelnen Teams mittels Funk koordinieren und kann die Positionen nur abschätzen. Um die Einsatzkräfte zu unterstützen, können Multi-Agent-SLAM Algorithmen eingesetzt werden. Diese müssen jedoch datensparsam sein, um mit den Netzwerk-Bedingungen vor Ort zu funktionieren. Oftmals muss das Netzwerk selbst aufgespannt werden.
Für die Kartographierung vor Ort gibt es eine Vielzahl an verschiedenen Multi-Agent- SLAM-Algorithmen. Diese arbeiten üblicherweise mit RGBD-Bildern oder Punktwolken. Die berechneten Rotationen erreichen dabei eine hohe Genauigkeit mit weniger als 1,9 Grad Abweichung. In einigen SLAM-Algorithmen werden Ebenen als Eingabe verwendet [35, 8]. Diese Algorithmen arbeiten jedoch nur lokal und wurden nicht als Multi-Agent-SLAM entwickelt.
Ebenen haben durch ihre einfache, mathematische Darstellung ein hohes Potenzial, um Daten einzusparen. In der Koordinatenform müssen nur eine Normale und die Distanz zum Ursprung, also vier Dezimalzahlen, übertragen werden. In dieser Arbeit wird untersucht, ob sich Ebenen auch für einen Multi-Agent-SLAM eignen. Es wurde der auf Ebenen basierende MWMA-SLAM konzipiert. Die lokalen Karten werden dafür in Form von Ebenen übertragen und auf dem Server miteinander gematcht. Untersucht wird neben der Tauglichkeit der Ebenen auch die benötigte Datenmenge für die Übertragung.
Der Algorithmus wurde sowohl mit synthetischen als auch mit realen Daten getestet. Es wurde in den Tests gezeigt, dass die Verwendung von Ebenen funktioniert. In jeweils über 97% der Fälle konnte eine gute Rotation mit weniger als 0.2_ Abweichung berechnet werden. Eine gute Translation mit weniger als 1 mm Abweichung konnte in durchschnittlich 90% der Fälle berechnet werden. Der MAE der Rotation liegt bei 0,6 Grad.
Insgesamt hat sich gezeigt, dass das Konzept eines Ebenen basierten Multi-Agent-SLAMs funktioniert. Die Ergebnisse zeigen eine ähnlich gute Genauigkeit bei der Rotation wie andere Multi-Agent-SLAM-Algorithmen. Für die Translation müssen jedoch noch Anpassungen in der Berechnung vorgenommen werden, um die Ergebnisse zu verbessern. Mit einer Größe von maximal 576 Byte für die Übertragung der einzelnen Testumgebungen, konnte.

BibTeX (Download)

@mastersthesis{Klockmann2020,
title = {MWMA-SLAM: Manhattan-World-Multi-Agent-SLAM},
author = {Maximilian Klockmann},
url = {https://cse.cs.ovgu.de/cse-wordpress/wp-content/uploads/2020/10/ma_klockmann-1.pdf},
year  = {2020},
date = {2020-10-20},
school = {Otto-von-Guericke-University Magdeburg},
abstract = {Einsatzkr\"{a}fte m\"{u}ssen sich regelm\"{a}\ssig zur Rettung von Opfern in unbekannten Umgebungen zurechtfinden. Dabei liegen nur selten Karten vor. Die Einsatzleitung muss die einzelnen Teams mittels Funk koordinieren und kann die Positionen nur absch\"{a}tzen. Um die Einsatzkr\"{a}fte zu unterst\"{u}tzen, k\"{o}nnen Multi-Agent-SLAM Algorithmen eingesetzt werden. Diese m\"{u}ssen jedoch datensparsam sein, um mit den Netzwerk-Bedingungen vor Ort zu funktionieren. Oftmals muss das Netzwerk selbst aufgespannt werden. 
F\"{u}r die Kartographierung vor Ort gibt es eine Vielzahl an verschiedenen Multi-Agent- SLAM-Algorithmen. Diese arbeiten \"{u}blicherweise mit RGBD-Bildern oder Punktwolken. Die berechneten Rotationen erreichen dabei eine hohe Genauigkeit mit weniger als 1,9 Grad Abweichung. In einigen SLAM-Algorithmen werden Ebenen als Eingabe verwendet [35, 8]. Diese Algorithmen arbeiten jedoch nur lokal und wurden nicht als Multi-Agent-SLAM entwickelt.
Ebenen haben durch ihre einfache, mathematische Darstellung ein hohes Potenzial, um Daten einzusparen. In der Koordinatenform m\"{u}ssen nur eine Normale und die Distanz zum Ursprung, also vier Dezimalzahlen, \"{u}bertragen werden. In dieser Arbeit wird untersucht, ob sich Ebenen auch f\"{u}r einen Multi-Agent-SLAM eignen. Es wurde der auf Ebenen basierende MWMA-SLAM konzipiert. Die lokalen Karten werden daf\"{u}r in Form von Ebenen \"{u}bertragen und auf dem Server miteinander gematcht. Untersucht wird neben der Tauglichkeit der Ebenen auch die ben\"{o}tigte Datenmenge f\"{u}r die \"{U}bertragung. 
Der Algorithmus wurde sowohl mit synthetischen als auch mit realen Daten getestet. Es wurde in den Tests gezeigt, dass die Verwendung von Ebenen funktioniert. In jeweils \"{u}ber 97% der F\"{a}lle konnte eine gute Rotation mit weniger als 0.2_ Abweichung berechnet werden. Eine gute Translation mit weniger als 1 mm Abweichung konnte in durchschnittlich 90% der F\"{a}lle berechnet werden. Der MAE der Rotation liegt bei 0,6 Grad.
Insgesamt hat sich gezeigt, dass das Konzept eines Ebenen basierten Multi-Agent-SLAMs funktioniert. Die Ergebnisse zeigen eine \"{a}hnlich gute Genauigkeit bei der Rotation wie andere Multi-Agent-SLAM-Algorithmen. F\"{u}r die Translation m\"{u}ssen jedoch noch Anpassungen in der Berechnung vorgenommen werden, um die Ergebnisse zu verbessern. Mit einer Gr\"{o}\sse von maximal 576 Byte f\"{u}r die \"{U}bertragung der einzelnen Testumgebungen, konnte.},
keywords = {EVOK, SLAM},
pubstate = {published},
tppubtype = {mastersthesis}
}