Hier ist eine strukturierte Übersicht, die diese Technologien einfach und verständlich erklärt.
Was ist SLAM grundsätzlich?
Bevor wir in die Details gehen: SLAM steht für Simultaneous Localization and Mapping.
Es ist das „Henne-Ei-Problem“ der Robotik: Der Roboter muss eine Karte der Umgebung erstellen (Mapping), muss aber gleichzeitig wissen, wo er sich auf dieser Karte befindet (Localization), um die Karte korrekt weiterzeichnen zu können.
1. VSLAM (Visual SLAM)
VSLAM nutzt Kameras (statt Laser oder Radsensoren) als Hauptquelle für Informationen. Man kann es sich vorstellen wie das menschliche Sehen: Der Roboter „schaut“ sich um und orientiert sich an markanten Punkten.
-
Wie es funktioniert:
Der Algorithmus sucht im Kamerabild nach markanten Eckpunkten, Kanten oder Mustern (sogenannte Features). Wenn sich der Roboter bewegt, verfolgt er, wie sich diese Punkte verschieben. Daraus berechnet er seine eigene Bewegung und die Struktur des Raumes.
-
Vorteile:
-
Informationsdichte: Kameras sehen Farben, Texte und Objekte (z. B. „Das ist eine Tür“, nicht nur „Da ist ein Hindernis“).
-
Kosten: Kameras sind im Vergleich zu LiDAR-Sensoren sehr günstig.
-
-
Nachteile:
-
Lichtabhängigkeit: Funktioniert schlecht in Dunkelheit oder bei starker Blendung.
-
Textur: In Räumen mit weißen, glatten Wänden findet die Kamera keine „Features“ und verliert die Orientierung.
-
2. Marker (Fiducial Markers)
Marker sind künstliche Orientierungshilfen. In der Robotik spricht man oft von ArUco-Markern, AprilTags oder QR-Codes.
-
Wie es funktioniert:
Man klebt diese Marker an feste Positionen in der Umgebung (Wände, Ladestationen, Regale). Da der Roboter die exakte Größe und das Muster des Markers kennt, kann er, sobald er einen Marker sieht, seine Position auf den Millimeter genau berechnen.
-
Die Rolle im SLAM-System:
Marker dienen oft als „Anker“, um Fehler zu korrigieren. SLAM-Systeme neigen dazu, über die Zeit leicht abzudriften (Drift). Ein Marker sagt dem Roboter: „Egal was deine Berechnung sagt, du bist exakt HIER.“
-
Vorteile:
-
Extrem hohe Präzision und Geschwindigkeit.
-
Löst das „Kidnapped Robot Problem“ (wenn man den Roboter hochhebt und woanders hinstellt, weiß er sofort wieder, wo er ist).
-
-
Nachteile:
-
Man muss die Umgebung physisch verändern (Marker aufkleben).
-
Der Marker muss im Sichtfeld der Kamera sein.
-
3. 3D LiDAR SLAM
Hierbei nutzt der Roboter einen LiDAR-Sensor (Light Detection and Ranging). Dieser schießt tausende Laserstrahlen pro Sekunde in alle Richtungen und misst die Zeit, bis das Licht zurückkommt.
-
Wie es funktioniert:
Das Ergebnis ist eine sogenannte Punktwolke (Point Cloud) – ein exaktes 3D-Abbild der Umgebung aus Millionen von Punkten. Der SLAM-Algorithmus schiebt die aktuellen Scans wie Puzzleteile über die vorherigen Scans, um die Position zu bestimmen.
-
Vorteile:
-
Präzision: Sehr genaue Abstandsmessung (auf wenige Zentimeter oder Millimeter).
-
Lichtunabhängigkeit: Funktioniert in kompletter Dunkelheit, da der Sensor sein eigenes Licht (Laser) mitbringt.
-
Reichweite: Gute LiDARs sehen 100 Meter und weiter.
-
-
Nachteile:
-
Kosten: Gute 3D-LiDARs sind teurer als Kameras.
-
Probleme: Glasflächen und Spiegel sind für Laser oft unsichtbar oder verwirrend.
-
Zusammenfassung & Vergleich
Hier ist ein direkter Vergleich der drei Konzepte:
| Merkmal | VSLAM (Kamera) | Marker (Künstlich) | 3D LiDAR (Laser) |
| Hauptsensor | Kamera (Mono, Stereo, RGB-D) | Kamera (Erkennung) | Laserscanner |
| Funktionsweise | Erkennt visuelle Merkmale/Muster | Erkennt bekannte Referenzbilder | Misst Abstände physikalisch |
| Stärke | Günstig, erkennt Objekte (Semantik) | Absolute Genauigkeit, Fehlerkorrektur | Funktioniert im Dunkeln, sehr präzise |
| Schwäche | Lichtempfindlich, braucht Textur | Muss installiert werden, Sichtlinie nötig | Teuer, Probleme mit Glas/Spiegeln |
Profitipp zur Kombination:
Die besten Roboter nutzen oft eine Sensorfusion. Sie verwenden 3D LiDAR für die genaue Navigation im Raum und Kameras (VSLAM + Marker), um Ladestationen exakt anzufahren oder um zu erkennen, was ein Hindernis ist (Mensch vs. Mülleimer).