เทคโนโลยีนำร่องภายในอาคาร
Indoor Navigation Technology
คำอธิบายรายวิชา
หลักการและเทคโนโลยีนำร่องภายในอาคาร ระบบ UWB ระบบจับการเคลื่อนไหว และเครื่องหมายอ้างอิงทางภาพ การระบุตำแหน่งและสร้างแผนที่พร้อมกัน (SLAM) ด้วยกล้องและ LiDAR การหลอมรวมข้อมูลเซนเซอร์ การประเมินความคลาดเคลื่อนของตำแหน่ง และการประยุกต์ใช้งานจริง
คำอธิบายภาษาอังกฤษ
Principles and technologies of indoor navigation; UWB, motion capture and visual fiducial markers; simultaneous localisation and mapping (SLAM) with cameras and LiDAR; sensor fusion; position-error evaluation; practical applications.
- ทับซ้อนกับ DRT 473 ควรพิจารณารวมเป็นวิชาเดียว หรือกำหนดให้ DRT 474 เน้นเทคโนโลยีระบุตำแหน่ง ส่วน DRT 473 เน้นภารกิจ
ผลลัพธ์การเรียนรู้ระดับรายวิชา (CLO)
| CLO | ผลลัพธ์การเรียนรู้ | PLO |
|---|---|---|
| CLO1 | อธิบายเทคโนโลยีการนำร่องภายในอาคาร | PLO1PLO4 |
| CLO2 | เปรียบเทียบความแม่นยำของระบบระบุตำแหน่ง | PLO4 |
| CLO3 | ประยุกต์ SLAM ในสภาพแวดล้อมจริง | PLO4PLO5 |
โมดูลการเรียนรู้
1ระบบนำร่องในอาคาร
สัปดาห์ 1–3 · 30 ชม.1 KU
ออนไลน์ (ก่อนเข้าชั้น) · 15 ชม.
ศึกษาหน่วยความรู้ที่กำหนดล่วงหน้า ดูสื่อประกอบ และทำ quiz ประจำโมดูล
- ระบบระบุตำแหน่งภายในอาคารอยู่ระหว่างพัฒนา
ในชั้นเรียน / ภาคสนาม · 15 ชม.
ปฏิบัติการในห้องแล็บหรือภาคสนามตามใบงาน พร้อม checklist ความปลอดภัย
2UWB และ marker
สัปดาห์ 4–6 · 30 ชม.1 KU
ออนไลน์ (ก่อนเข้าชั้น) · 15 ชม.
ศึกษาหน่วยความรู้ที่กำหนดล่วงหน้า ดูสื่อประกอบ และทำ quiz ประจำโมดูล
- ระบบระบุตำแหน่งภายในอาคารอยู่ระหว่างพัฒนา
ในชั้นเรียน / ภาคสนาม · 15 ชม.
ปฏิบัติการในห้องแล็บหรือภาคสนามตามใบงาน พร้อม checklist ความปลอดภัย
3SLAM
สัปดาห์ 7–9 · 30 ชม.2 KU
ออนไลน์ (ก่อนเข้าชั้น) · 15 ชม.
ศึกษาหน่วยความรู้ที่กำหนดล่วงหน้า ดูสื่อประกอบ และทำ quiz ประจำโมดูล
ในชั้นเรียน / ภาคสนาม · 15 ชม.
ปฏิบัติการในห้องแล็บหรือภาคสนามตามใบงาน พร้อม checklist ความปลอดภัย
4ประเมินความคลาดเคลื่อน
สัปดาห์ 10–12 · 30 ชม.2 KU
ออนไลน์ (ก่อนเข้าชั้น) · 15 ชม.
ศึกษาหน่วยความรู้ที่กำหนดล่วงหน้า ดูสื่อประกอบ และทำ quiz ประจำโมดูล
ในชั้นเรียน / ภาคสนาม · 15 ชม.
ปฏิบัติการในห้องแล็บหรือภาคสนามตามใบงาน พร้อม checklist ความปลอดภัย
5การรวมเซนเซอร์
สัปดาห์ 13–15 · 30 ชม.1 KU
ออนไลน์ (ก่อนเข้าชั้น) · 15 ชม.
ศึกษาหน่วยความรู้ที่กำหนดล่วงหน้า ดูสื่อประกอบ และทำ quiz ประจำโมดูล
- การประมาณสถานะด้วย Kalman filter/EKFอยู่ระหว่างพัฒนา
ในชั้นเรียน / ภาคสนาม · 15 ชม.
ปฏิบัติการในห้องแล็บหรือภาคสนามตามใบงาน พร้อม checklist ความปลอดภัย
การวัดและประเมินผล (ร่าง)
| ปฏิบัติการและใบงาน | 35% |
| quiz ประจำโมดูล | 10% |
| สอบกลางภาค | 20% |
| โครงงานย่อยหรือสอบปฏิบัติ | 35% |
โดเมนความรู้
แหล่งอ้างอิงหลัก
- Cadena, C., Carlone, L., Carrillo, H., Latif, Y., Scaramuzza, D., Neira, J., Reid, I., & Leonard, J. J. (2016). Past, present, and future of simultaneous localization and mapping. IEEE Transactions on Robotics, 32(6), 1309–1332.
- Campos, C., Elvira, R., Gómez Rodríguez, J. J., Montiel, J. M. M., & Tardós, J. D. (2021). ORB-SLAM3. IEEE Transactions on Robotics, 37(6), 1874–1890.
- Thrun, S., Burgard, W., & Fox, D. (2005). Probabilistic robotics. MIT Press.