Robust setup of an Autonomous Mobile Robot research platform with multi-sensor inte

Abstract

The paper describes the implementation of an Autonomous Mobile Robot able to navigate the environment by combining range and odometry data from LiDAR and wheel encoders sensors in the Robot Operating System (ROS) framework. The SLAM algorithm uses this sensory information to produce a static map of the environment. This is then relied upon by the navigation stack of the framework to navigate the environment, where the sensor data is used to localize the robot in the map and to calculate an optimal trajectory towards a set destination that avoids static and dynamic obstacles. The system is tested in simulated and real scenarios and the main challenges of mapping and navigation are surveyed. The different approaches are then discussed with a particular focus on their robustness, by studying their shortcomings and advantages. This paper ultimately aims to guide the reader through the steps needed to implement the described system and outlines the best practices that lead to a sound solution.

Diese Thesis beschreibt die Programmierung eines Autonomen Mobilen Roboters, welcher durch Auswertung von Entfernungs und Odometriedaten eines LiDAR sowie eines Rad-Encoder Sensors einen Pfad frei von mobilen und stationären Hindernissen berechnet. Der SLAM Algorithmus nutzt die Sensorinformationen um in echtzeit eine Umgebungskarte zu erstellen, auf welcher die Position des Roboters sowie der Hindernisse festgehalten werden. Das System ist durch Simulationen sowie reale Szenarien getestet worden, in welchen die Probleme und Komplikationen in der Navigation und Objekterkennung observiert wurden. Die verschiedenen Lösungsansätze und deren Vor- sowie Nachteile sind in dieser Thesis in besonderer Hinsicht auf ihre Stabilität gegenübergestellt. Ziel ist es dem Leser die Schritte zur Implementierung dieses Roboters aufzuzeigen, sowie die Dokumentation von Herangehensweisen welche die besten Resultate ergeben haben.