Autonomous Navigation for Flying Robots

Worum geht's

Du lernst die Grundlagen der autonomen Navigation von Quadrotoren kennen: von 3D-Geometrie und probabilistischer Zustandsschätzung bis zu visueller Odometrie, SLAM und Regelung. Am Ende kannst du die Position eines Quadrotors aus Sensordaten abschätzen, einen EKF und PID-Regler implementieren und den Quadrotor in Simulation entlang einer Trajektorie steuern.

Was du danach kannst

• Flugprinzipien von Quadrokoptern und Einsatzmöglichkeiten erklären
• Quadrokopter in Simulation sicher fliegen
• Lage dreidimensionaler Körper spezifizieren und relative Pose berechnen
• Prinzip der Bayes’schen Zustandsschätzung erklären
• Erweiterten Kalmanfilter (EKF) implementieren, anwenden und parametrieren
• PID-Regler implementieren und richtig einstellen
• Grundlagen visueller Bewegungsschätzung und Kartierung verstehen

Aus was das Modul besteht

• VideovorlesungenVermittlung der theoretischen Grundlagen in wöchentlichen Videos
• Interaktive Übungs- und ProgrammieraufgabenAnwendung der Inhalte; Implementierung von Python-Skripten für den Simulator
• SimulationsexperimentePraktische Flugexperimente im browserbasierten Quadrotor-Simulator

Lehrmethode

• MOOC / Videovorlesungzur Theorievermittlung in asynchroner Form
• Experimente (Simulation)um praktische Fähigkeiten und Algorithmen zu testen
• Einzelarbeit (Hausaufgaben)zur Festigung des Gelernten durch Programmieraufgaben