Sensorik für einen SLAM Algorithmus

[Brocky]

Aber welche Anforderungen kann man aus einem SLAM-Algorithmus an die Sensorik (LiDAR,ToF, Stereokameras) richten?
Manche Algorithmen lassen wahrscheinlich mehr Messfehler zu als andere bzw. können damit besser umgehen..

[HaWe]

Aber welche Anforderungen kann man aus einem SLAM-Algorithmus an die Sensorik (LiDAR,ToF, Stereokameras) richten?
Manche Algorithmen lassen wahrscheinlich mehr Messfehler zu als andere bzw. können damit besser umgehen..

ist es nicht so, dass die Algorithmen einfach schnell genug sein müssen in Bezug auf die Schnelligkeit der Bewegung und auf das gewünschte Datenprocessing?
Wenn der Roboter steht, kann es doch ruhig ein paar Tage dauern, bis die Umgebungsdaten verarbeitet sind und angezeigt werden, und ±0,1mm Auflösung dauern sicher länger fürs gesamte Umfeld als ±10cm.
Bei fahrenden Robotern dagegen muss alles schnell genug gehen und exakt genug sein, um wenigstens Kollisionen zu vermeiden.
Dann ist es doch prinzipiell völlig egal, welche Sensorik verwendet wird, Hauptsache, man schafft alles mit der gewünschten und erforderlichen Auflösung in der zur Verfügung stehenden Zeit ("Echtzeitfähigkeit").
Also was ist das Anforderungsprofil für Schnelligkeit und Auflösung?

je nach Anforderungsprofil scheidet dann möglicherweise die ein oder andere Sensorik aus, auch abhängig von der CPU-Plattform (auf einem AVR Prozessor mit 8MB und 16MHz Takt ohne fpu und ohne weitere Hilfsmittel ist man da sicher eingeschränkter als auf einer 8-Kern cpu mit 64GB und 3 GHz, Multithreading RTOS und Video- und 3D-Grafikbeschleuniger-Chips).

[Holomino]

Das ist mal ne gute Frage. Tatsächlich findest Du bei den Beschreibungen verschiedener Algorithmen quasi nur die Sensorarten, nix Quantitatives über Abweichung, Auflösung, Reichweite.
Vielleicht ist es daher sinnig, einen Algorithmus zu finden, der eine Simulation mitliefert, in der Du verschiedene Sensormodelle testen kannst.

Z.B. hier: http://www.ai.rug.nl/~mwiering/thesis_govers.pdf

[HaWe]

Das ist mal ne gute Frage. Tatsächlich findest Du bei den Beschreibungen verschiedener Algorithmen quasi nur die Sensorarten, nix Quantitatives über Abweichung, Auflösung, Reichweite.
Vielleicht ist es daher sinnig, einen Algorithmus zu finden, der eine Simulation mitliefert, in der Du verschiedene Sensormodelle testen kannst.

Z.B. hier: http://www.ai.rug.nl/~mwiering/thesis_govers.pdf

kann es denn überhaupt so etwas wie "allgemein gültige Sensoranforderungen für allgemein gültige SLAM Algorithmen" geben?

Die Sensordaten werden doch primär zur Positionsbestimmung genutzt, und damit füttert man ganz allgemein gehaltene SLAM-Programme, die ja theoretisch alle möglichen Sensordaten verarbeiten können, und die liefern dann eine - je nach Sensor-Genauigkeit - mehr oder weniger genaue Skizze der Umgebung.

Man geht aber doch üblicherweise anders herum vor: Man hat eine Aufgabe zu bewältigen (samt mapping und exploring), für ganz bestimmte Zwecke, die wiederum spezielle Sensitivität und Spezifität erfordern. Ein Saugroboter hat da sicherlich ein anderes Anforderungsprofil als ein mobiler humanoider Roboter zur Altenpflege oder einer im Hol- und Bringedienst für Lagerregale oder ein Roboter, der Ameisen und Spinnentierchen in der Wohnung sucht und fängt.
Also müssen erst die Anforderungen und Randbedingungen geklärt werden, dann die Mechanik und Mikroelektronik, die man zur Verfügung hat (inkl. Preisrahmen), und dann schaut man, welche Sensorik von Preis und Leistung her geeignet ist. Da muss man gucken was es auf dem Markt gibt und schauen, was die Teile mit ihren Sensor-Treibern leisten (Distanz-Sensoren, Odometrie, IMU, Video-/Image-Processing, Licht- oder Funk-Baken-Peilung etc.)

Ist das die eigentliche Aufgabe? Eine Liste aller Sensor-Typen und -Systeme zu erstellen, samt Messprinzip, Auflösung, Messfehler, Abtastrate, die man dann theoretisch zur Positionsbestimmung heranziehen kann?