Abschlussarbeit - Dynamische Hinderniserkennung und Prädiktion für Autonome Outdoor Navigation

Ausschreibung für die Fachrichtung wie z. B.: Automatisierungstechnik, Elektrotechnik, Informatik oder vergleichbare. In der Forschungsgruppe Navigation mobiler Roboter entwickeln wir autonome, mobile Roboter für vielfältige Outdoor-Anwendungen, beispielsweise in der Landwirtschaft, Forstwirtschaft und Logistik. Der Fokus liegt auf der Entwicklung autonomer Outdoor-Navigationslösungen sowie der Hardware der Roboter. Autonome Navigation in dynamischen Umgebungen und bei höheren Geschwindigkeiten stellt mobile Roboter vor besondere Herausforderungen. Um eine sichere und effiziente Pfadplanung zu gewährleisten, muss der Roboter die zukünftige Bewegung dynamischer Hindernisse vorhersagen und diese Information in sein Umgebungsverständnis integrieren.Dazu gehört die Klassifikation von Hindernissen als dynamische Objekte wie Fußgänger, Fahrräder und Fahrzeuge auf Basis von LiDAR- und/oder Kameradaten. Außerdem sollen realistische und/oder konservative Bewegungskorridore vorhergesagt und diese Informationen effizient in ROS2-Costmaps integriert werden. Eine zentrale Integrationsanforderung ist die Kompatibilität mit dem ROS2 Nav2 Stack, der im aktuellen Stand der Technik für die Navigation mobiler Roboter weit verbreitet ist. Hier sorgen Sie für Veränderung Sie werden zunächst einen geeigneten State-of-the-Art-Ansatz zur Detektion und Klassifikation auf Basis von LiDAR- und/oder Kameradaten auswählen. Ihr Schwerpunkt liegt jedoch auf dem Tracking und der Prädiktion dieser Hindernisse und der Integration dieser Infos in eine Costmap. Dafür untersuchen Sie verschiedene Arten von Vorhersagemethoden, beispielsweise Intent Prediction, Reachability-Ansätze oder Bayesian Filtering, und entwickeln einen robusten Prädiktionsalgorithmus. Diese dynamischen Vorhersagen müssen anschließend in eine Kartenrepräsentation integriert werden, damit sie in der Pfadplanung des Roboters berücksichtigt und genutzt werden können. Sie implementieren Ihre Lösung in unserem ROS 2-/C++-Navigationsstack und validieren sie sowohl in Simulationen als auch in realen Szenarien mit unseren mobilen CURT-Robotern.