Was bedeutet SLAM?
SLAM steht für die Simultane Lokalisierung und Kartierung der Umgebung und hat seinen Usprung in der Roboterindustrie in den 1980er und 1990er Jahren.
Die Entwickler in der Robotik standen vo einem Problem: Wie konnten sie autonome Fahrzeuge dazu bringen, sich in der Fabrikhalle zu bewegen, ohne gegen Wände, Menschen oder sogar andere fahrende Roboter zu stoßen? Da sie sich in geschlossenen Räumen befanden, konnten Technologien wie das GPS dazu nicht genutzt werden. Die Lösung war es einen Algorithmus zu entwickeln, welcher gleichzeitig den Raum abbildet und durch selbigen navigieren kann. Simultane Lokalisierung und Kartierung, der SLAM-Algorithmus, war geboren.
Aber was ist SLAM?
Die Messgeräte nehmen Daten von einzelnen oder verschiedenen Sensoren auf, um sich ein Bild von der Umgebung zu machen und wo sie innerhalb dieser Umgebung positioniert sind. Diese Sensoren können visuelle Daten (z. B. Kamerabilder) oder nicht sichtbare Datenquellen (z. B. Sonar, Radar oder LiDAR) sowie grundlegende Positionsdaten unter Verwendung einer inertialen Messeinheit (kurz IMU) verwenden. Der SLAM verwendet diese Informationen, um eine „beste Schätzung“ zu berechnen, wo sich das Gerät innerhalb der Umgebung befindet. Durch das Verschieben seiner Position innerhalb der Umgebung bewegen sich alle Umgebungsmerkmale (d. h. Wände, Böden, Säulen) im Verhältnis zum Gerät, und der SLAM-Algorithmus kann seine Schätzung mit der neuen Positionsinformation verbessern. SLAM ist ein iterativer Prozess – je mehr Iterationen das Gerät durchläuft, desto genauer kann es sich in diesem Raum positionieren. Der Scanner braucht für eine gute Positionierung optische oder räumliche 3D-Merkmale, sogenannte Features.
Welche Arten von SLAM – 2D-SLAM, 3D-SLAM, VIS
Es gibt viele verschiedene Arten von SLAM-Algorithmen am Markt. Es gibt den visuellen SLAM (VIS), der visuelle Daten als Hauptinformationsquelle verwendet. Es gibt den 2D-SLAM, der nur an der Bewegung in zwei Achsen interessiert ist. Dann gibt es den 3D-SLAM-Algorithmus: Der 3D-SLAM ist deutlich komplexer zu berechnen als ein 2D-SLAM, aber auch genauer. Die Kombination des visuellen SLAM mit einem geometrischen 3D-SLAM ist wahrscheinlich die beste Lösung, aber auch am kompliziertesten in der Umsetzung.
SLAM für die Vermessung
SLAM-Algorithmen aus der Robotik sind nicht eins zu eins für die Vermessung zu verwenden. Bei der Navigation in der Robotik ist eine viel größere Messtoleranz akzeptabel als für die Anwendung in der Vermessung. Bei der SLAM-Berechnung für die Vermessung ist die Minimierung der Messfehler sehr wichtig. Auch gibt es große Unterschiede, ob der SLAM nur Indoor oder Outdoor bzw. in beiden Bereichen eingesetzt wird. Im Außenbereich gibt es eine ganz andere Verteilung der Features (identische Merkmale) als im Indoor-Bereich. Die Algorithmen müssen dafür angepasst sein.
Einige SLAM-Algorithmen sind für die Robotik optimiert, andere Algorithmen sind speziell für die hochgenaue Kartierung optimiert, darunter der SLAM der staatlichen Behörde Australiens für wissenschaftliche und industrielle Forschung CSIRO.
Hervorragende SLAM-Algorithmen arbeiten auch in bekanntermaßen schwierigen Scan-Umgebungen, wie sich wiederholende Korridore, glattflächige Tunnel und Räume mit sich bewegenden Personen. Diese verbesserten SLAM-Algorithmen sind sehr robust in der Berechnung. Aus diesem Grund funktionieren sie auch für die Verwendung von SLAM-Scannern an UAV (Drohnen) für die luftgestützte Vermessung.
Was sind die Vorteile der Verwendung von SLAM?
SLAM wurde für Geräte entwickelt, die sich durch einen Raum bewegen. SLAM-basierte Systeme sind von Natur aus mobil; sie funktionieren am besten, wenn sie in Bewegung sind. Für jeden, der mit der Erfassung von Geodaten zu tun hat, ist dies eine große Neuerung. Vorbei sind die Zeiten der mehrfachen, statischen Aufstellungen sperriger, auf Stativen basierender Systeme. Der Einsatz eines SLAM-Scanners kann bis zu 10-mal schneller sein als von terrestrischen Scannern.
Nachteile von SLAM
Aktuell (Stand September 2020) gibt es noch keine Sensoren, die eine Messgenauigkeit besser als 1 cm stabil generieren. Durch die Fehlerfortpflanzung werden dieser Werte bei ausgedehnten Messobjekten schnell größer. Gute SLAM-Algorithmen liefern 1,5 bis 5 cm Positionsgenauigkeit indoor. Outdoor können die Abweichungen auch etwas größer sein. Daher eignet sich das Verfahren derzeit nicht für alle Anwendungen. Die meisten bisher verwendeten Scanner erlauben auch keine derartig hohe Auflösung wie Scanner auf Stativen; auch das Rauschverhalten der Scanner ist höher. Ebenfalls messen die besten SLAM-Scanner derzeit maximal ca. 100 Meter. Daher gibt es Anwendungen, für die der SLAM nicht die beste Lösung ist.
Darüber hinaus braucht der SLAM immer eindeutige Features. Sind diese in der Umgebung nicht vorhanden, dann kann ein Einsatz eventuell nur eingeschränkt möglich sein. Eine „Merkmals-Armut“ bzw. eine schlechte geometrische Verteilung der eindeutigen Features ist vorrangig im Außenbereich und bei langen Gängen und Tunneln anzutreffen.
Haben Sie Interesse an einem SLAM Scanner, dann fordern Sie hier kostenlos Infos an ►
SLAM Scanner bei uns im Shop ►
Weitere Informationen zu SLAM Laserscannern finden Sie hier ►
