Digitalisierung der Einsatzumgebung auf Basis des SLAM-Algorithmus zur luftseitigen Unterstützung eines Krisenverkehrsmanagementkonzepts

Kurzfassung

Die vorliegende Studienarbeit befasst sich mit der Implementierung und Evaluierung des extended Kalman Filters (EKF) für die Simultaneous Localization and Mapping (SLAM) in einer Drohnensimulation. Das Ziel ist die präzise Schätzung der Drohnenposition und -orientierung in unbekannten Umgebungen sowie die gleichzeitige Kartierung dieser Einsatzumgebung. Der Einsatz hoch automatisierter Drohnen in verschiedenen Anwendungsbereichen wie beispielsweise dem Bevölkerungsschutz erfordert zuverlässige Lokalisierungs- und Kartierungsalgorithmen, insbesondere in Innenräumen oder urbanen Gebieten, wo das GPS-Signal eingeschränkt sein kann. Der EKF-SLAM-Algorithmus ermöglicht die simultane Kartierung und Lokalisierung der Drohne und beruht auf mathematischen Grundlagen des EKF, unter Berücksichtigung der Mess- und Bewegungsmodelle. Die durchgeführte Simulation umfasst den Aufbau einer Umgebung mit Hindernissen sowie eines Drohnemodells. Die Sensoren werden simuliert und ihre Messungen werden untersucht. Die Evaluierung zeigt die Anwendbarkeit des EKF-SLAM Algorithmus in verschiedenen Szenarien wie der hoch automatisierten Navigation. Die Ergebnisse verdeutlichen die höhere Genauigkeit der Lokalisierung der Drohne des EKFSLAM-Algorithmus im Vergleich zu einem einfachen EKF-Algorithmus um etwa 5,3%. Die vorliegende Arbeit liefert wertvolle Erkenntnisse über die Leistungsfähigkeit des EKFSLAM-Algorithmus und seine Potenziale für präzise Lokalisierung, Kartierung und Kollisionsvermeidung.