SLAM: Lokalisierung und Kartenerstellung

Welches Problem es löst

Wer in Fabriken, Tiefgaragen und Einkaufszentren autonom fahren will, muss drei Fragen beantworten: Wo bin ich, was ist um mich herum und wie komme ich ans Ziel. SLAM löst die ersten beiden: LiDAR/Kamera erfassen die Umgebung, der Algorithmus baut in Echtzeit eine Occupancy-Grid-Karte und markiert die aktuelle Position. Mit Karte + Lokalisierung hat die Pfadplanung (Frage drei) eine Grundlage.

Ein Roboter ohne SLAM kann nur einer festen Bahn folgen (wie ein Magnetspur-AGV); jede Routenänderung bedeutet neues Verlegen der Spur. Ein Roboter mit SLAM kartiert einmal und navigiert dann frei auf der Karte - und kartiert neu, wenn sich die Anlage ändert.

Wie man die wichtigsten Spezifikationen liest

• Kartiergenauigkeit: wie stark die Karte von der Realität abweicht. Serien-Chassis brauchen üblicherweise Zentimetermaßstab; bei Andockaufgaben kommt die Wiederholgenauigkeit hinzu.
• Loop-Closure: erkennt der Roboter "hier war ich schon", wenn er nach einer Runde zum Start zurückkehrt - das entscheidet über Kartendrift in langen Gängen und großen Hallen.
• Lokalisierungsrate und Latenz: je schneller das Update, desto flinker die dynamische Hindernisreaktion; üblich sind 10 Hz oder mehr.
• Sensortyp: Ein 2D-Einzellinien-LiDAR baut nur eine flache Karte und übersieht hängende Schilder und niedrige Hindernisse. Ein 3D-Mehrlinien-LiDAR baut den ganzen Raum und löst Hindernisvermeidung und Absturzschutz mit.

Häufige Irrtümer

Empfohlene Modelle

Jedes Tbot-Chassis hat 3D-Mehrlinien-LiDAR-SLAM-Navigation an Bord: Tbot-N5-3D (Sechsrad-Mittelantrieb, 100-500 kg Nutzlast), Tbot-OW (Omni-Räder, Seitwärtsfahrt ohne Wenden), Tbot-Clean-U75 (Tiefgaragenreinigung). Vollständige Parameter in der Spezifikationstabelle.

Verwandte Artikel

• Why 3D Multi-line LiDAR SLAM Is the Best Navigation for Humanoid Robot Chassis
• LiDAR or Pure Vision? The Answer for Indoor Mobile Robots
• Five Generations of Commercial Cleaning Robot Navigation