فیلم کلاس درس SLAM از دانشگاه فرایبورگ

موقعیت یابی و نقشه برداری همزمان (SLAM) چیست؟

FastSLAM

موقعیت یابی و نقشه برداری همزمان یا Simultaneous Localization And Mapping که به اختصار به آن SLAM می‌گویند، روشی است که یک ماشین دیجیتال برای بدست آوردن نقشه‌ی یک محل ناشناخته (یه بروز رسانی نقشه‌ی یک محل شناخته شده)، و همچنین به طور هم‌زمان پیگیری محل ماشین در موقعیت فیزیکی، از آن استفاده می‌کند. به بیان دیگر SLAM فرآیند ایجاد یک نقشه از یک ساختمان ناآشناست؛ به شکلی که درون آن حرکت کنیم (Navigation یا ناوبری) و محل درها، پله‌ها و تمام اطلاعات محیطی که برای سفر به درون آن نیاز است و نیز راه ورود به داخل ساختمان را مشخص کنیم. (بر اساس این مقاله‌ی ویکیپدیا (+))

 دانشگاه University of Freiburg

 

image

دانشگاه فرایبورگ در سال 1457 میلادی در شهر فرایبورگ آلمان تاسیس شد. این دانشگاه با 24721 دانشجو و 4578 نفر هیات علمی، با بودجه‌ی سالانه حدود 268 میلیون یورو (تقریبا 1000 میلیاد تومان) اداره می‌شود.(بر اساس این مقاله‌ی ویکیپدیا (+))

logo_freiburg

نشانی تارنمای این دانشگاه: www.uni-freiburg.de


پروفسور Cyrill Stachniss

ایشان یکی از اساتید دانشگاه فرایبورگ هستند که در حوزه‌های زیر به فعالیت‌های پژوهشی مشغولند:

SLAM & Mapping یا موقعیت یابی و نقشه برداری همزمان

Dynamic Environments یا محیط‌های پویا

Exploration یا اکتشاف

Multi-Robot Systems یا ربات های چندگانه

Learning یا یادگیری

Vision for Robots یا بینایی ربات

Navigation یا ناوبری

Robot Cars یا خودروهای رباتیکی

websmall

برای کسب اطلاعات بیشتر در مورد ایشان به صفحه‌ی شخصی ایشان (+) مراجعه نمایید.

ایشان مدرس کلاسی‌اند که در ادامه فیلم‌هایش را برایتان قرار دادیم. این فیلم ها در سال‌های 2013-2014 ضبط شده اند. عنوان این کلاس «Robot Mapping» است که در آن به SLAM پرداخته می‌شود.


Course Introduction

Introduction to Robot Mapping

Byes Filter

Byes Filter

Extended Kalman Filter

EKF

Unscented Kalman Filter

Extended Information Filter

Sparse Extended Information Filter

Short Kalman Filter Wrap-Up

Grid Maps

Particle Filter-A Short Intro

FastSLAM

Grid-Based SLAM with Rao-Blackwellized PFs

Least Squares

Least Squares SLAM

LS SLAM with Landmarks

Robust LA SLAM

SLAM Frontends

Short Summary

 

عنوان

زمان

حجم

دریافت

0

Course Introduction

18 دقیقه

53.34 مگابایت

1

Introduction to Robot Mapping

1 ساعت 16 دقیقه

225.68 مگابایت

2

Byes Filter

28 دقیقه

84.21 مگابایت

3

Byes Filter

53 دقیقه

157.01 مگابایت

4

Extended Kalman Filter

49 دقیقه

144.66 مگابایت

5

EKF

1 ساعت 24 دقیقه

249.35 مگابایت

6

Unscented Kalman Filter

55 دقیقه

162.12 مگابایت

7

Extended Information Filter

37 دقیقه

110.47 مگابایت

7a

Extended Information Filter

1 ساعت 22 دقیقه

244.15 مگابایت

7b

Extended Information Filter

52 دقیقه

154.35 مگابایت

8

Sparse Extended Information
Filter-Part1

1 ساعت 25 دقیقه

251.19 مگابایت

8a

Sparse Extended Information
Filter-Part2

1 ساعت 2 دقیقه

183.76 مگابایت

9

Short Kalman Filter Wrap-Up

20 دقیقه

59.39 مگابایت

10

Grid Maps

1 ساعت 6 دقیقه

194.72 مگابایت

10a

Grid Maps

1 ساعت 37 دقیقه

288.11 مگابایت

10b

Grid Maps

58 دقیقه

172.45 مگابایت

11

Particle Filter-A Short Intro

33 دقیقه

98.76 مگابایت

12

FastSLAM

1 ساعت 28 دقیقه

261.44 مگابایت

13

Grid-Based SLAM with
Rao-Blackwellized PFs

1 ساعت 22 دقیقه

244.41 مگابایت

14

Leas Squares

1 ساعت 31 دقیقه

271.2 مگابایت

15

Least Squares SLAM

1 ساعت 33 دقیقه

276.66 مگابایت

15a

Least Squares SLAM

19 دقیقه

56.62 مگابایت

15-16

Least Squares SLAM

1 ساعت 39 دقیقه

293.4 مگابایت

17

LS SLAM with Landmarks

48 دقیقه

142.59 مگابایت

18

Robust LA SLAM

37 دقیقه

109.8 مگابایت

19

46 دقیقه

137.44 مگابایت

19a

57 دقیقه

169.82 مگابایت

20

SLAM Frontends

1 ساعت 18 دقیقه

232.4 مگابایت

20a

SLAM Frontends

38 دقیقه

114.19 مگابایت

20b

SLAM Frontends

1 ساعت

177.24 مگابایت

21

Shor Summary

28 دقیقه

85.35 مگابایت

مطالب مشابه

There are no comments yet