Kann ein Roboter sich mit begrenzten Sensordaten in komplexen Innenräumen zurechtfinden? Dieser Artikel stellt 2DLIW-SLAM vor, ein robustes und genaues 2D-LiDAR-SLAM-System, das für mobile Roboter in Innenräumen entwickelt wurde und die Herausforderungen der Bewegungsentartung in geometrisch ähnlichen Umgebungen überwindet. Diese Forschung untersucht die Bewegung und Navigation des Roboters. Das System verarbeitet LiDAR-Daten durch Punkt- und Linienextraktion und etabliert Linien-Linien-Einschränkungen, um die Sensordaten zu erweitern. Ein eng gekoppeltes Frontend integriert Daten von 2D-LiDAR, einer Trägheitsmesseinheit und Radodometrie für die Echtzeit-Zustandsschätzung. Der Ansatz verwendet auch einen globalen Feature-Point-Matching-basierten Loop-Closure-Erkennungsalgorithmus, um angesammelte Frontend-Fehler zu mindern und eine global konsistente Karte zu erstellen. Experimentelle Ergebnisse zeigen, dass das System die Echtzeitanforderungen erfüllt und im Vergleich zu bestehenden Methoden geringere Trajektorienfehler und eine größere Robustheit aufweist. Die Open-Source-Methode verspricht verbesserte Navigationsfähigkeiten für mobile Roboter in Innenräumen, insbesondere in Umgebungen, die zu Entartung neigen.
Diese Arbeit ist geeignet für Measurement Science and Technology, ein Journal, das sich auf Fortschritte in Messtechniken und Instrumentierung konzentriert. Durch die Vorstellung eines Multi-Sensor-Fusionsansatzes für 2D-LiDAR-SLAM passt der Artikel zum Umfang des Journals. Die Echtzeit-Performance und Robustheit des Systems tragen zum Bereich der Roboternavigation und -kartierung bei.