Zusammenfassung
Bei der Kartographierung eines unbekannten Gebietes durch einen mit Sensorik ausgestatteten mobilen Roboter ergibt sich die Problematik, daß dieser die Lage unbekannter Merkmale, sogenannter Landmarken, in seiner Umgebung bestimmen will, wobei er gleichzeitig mit Hilfe dieser Landmarken seine eigene Lage schätzt.
Dieses Problem, auch als ”Simultaneous Localization and Map Building” (SLAM) [3] bekannt, ist bisher nur unzureichend gelöst. Bekannte Verfahren leiden an hoher rechnerischer Komplexität oder treffen unzulässige Vereinfachungen, was zu Fehlern im Kartenaufbau führt.
Das hier vorgestellte, neuartige Verfahren löst das Problem durch Verwendung von zwei Karten: eine beobachterfeste, lokale Karte und eine weltfeste, globale Karte. Er nutzt damit die Information der absoluten und der relativen Sensorik des mobilen Roboters für den Kartenaufbau, und benötigt weder abgespeicherte Messungen wie [5] noch die Abhängigkeiten zwischen den Landmarken und der Roboterposition, wie z.B. [8]. Simulationen belegen die Vorteile des hier vorgestellten Algorithmus.
Access this chapter
Tax calculation will be finalised at checkout
Purchases are for personal use only
Preview
Unable to display preview. Download preview PDF.
Literatur
U. D.Hanebeck. Lokalisierung eines mobilen Roboters mittelsef fizienter Auswertung von Sensordaten und mengenbasierter Zustandsschätzung,Dissertation, TU München, Fortschrittsberichte VDI, Reihe 8: Meß–, Steuerungs–und Regelungstechnik, Nr. 643, VDI Verlag, Düsseldorf, 1997, ISBN 3–18–364308–1.
I. Ulrich and I. Nourbakhsh. Appearance-Based Place Recognition for Topological Localization, Proceedings of the 2000 IEEE International Conference on Robotics and Automation (ICRA 2000 ), pp. 1023–1029, San Francisco, CA, USA, April 2000.
G. Dissanayake, H. Durrant-Whyte and T. Bailey. A Computationally Efficient Solution to the Simultaneous Localisation and Map Building (SLAM) Problem, IEEE International Conference on Robotics and Automation (ICRA 2000 ), pp. 1009–1014, San Francisco, CA, April 2000.
S. Thrun, A. Brücken, W. Burgard, D. Fox, T. Fröhlinghaus, D. Henning, T. Hofmann, M. Krell, T. Schmidt Map Learning and High-Speed Navigation in RHINO,in AI-based Mobile Robotics, MIT-Press.
U. Frese, M. Hörmann, B. Bäuml und G. Hirzinger. Global konsistente visuelle Lokalisation ohne vorgegebene Karte, Autonome Mobile Systeme 1999 (AMS ‘89), pp. 211–220, Informatik aktuell, Springer Verlag, Berlin Heidelberg 1999.
S. Blum, T. Einsele, A. Hauck, N. O. StöfÍler, G. Färber, T. Schmitt, C. Zierl, B. Radig:Eine konfigurierbare Systemarchitektur zur geometrischtopologischen Exploration von Innenräumen, Autonome Mobile Systeme 1999 (AMS 1999 ), pp. 376–387, Informatik aktuell, Springer Verlag,Berlin Heidelberg 1999.
F. Dellaert, S. Thrun, W. Burgard, D. Fox: Monte Carlo Localization for Mobile Robots, Proceedings of the 1999 IEEE International Conference on Robotics and Automation (ICRA’99), pp. 1322–1328, Detroit, Michigan, May 1999.
J. A. Castellanos, J. M. Martinez, J. Neira, J. D. Tardós. Simultaneous Map Building for Mobile Robots: A Multisensor Fusion Approach, IEEE International Conference on Robotics and Automation (ICRA’98), pp. 1244–1249, Leuven, Belgium, May 1998.
G. Welch, G. Bishop. An Introduction to the Kalman Filter, UNC-Chapel Hill, TR 95–041, November 30, 1999.
S. I. Roumeliotis and G. A. Bekey. Bayesian estimation and Kalman filtering: A Unified Framework for Mobile Robot Localization, IEEE International Conference on Robotics and Automation (ICRA 2000 ), pp. 2985–2992, San Francisco, CA, April 2000.
Author information
Authors and Affiliations
Editor information
Editors and Affiliations
Rights and permissions
Copyright information
© 2000 Springer-Verlag Berlin Heidelberg
About this paper
Cite this paper
Briechle, K., Hanebeck, U.D. (2000). Ein Zwei-Karten-Verfahren zur gleichzeitigen Kartographierung und Lokalisierung. In: Dillmann, R., Wörn, H., von Ehr, M. (eds) Autonome Mobile Systeme 2000. Informatik aktuell. Springer, Berlin, Heidelberg. https://doi.org/10.1007/978-3-642-59576-9_20
Download citation
DOI: https://doi.org/10.1007/978-3-642-59576-9_20
Publisher Name: Springer, Berlin, Heidelberg
Print ISBN: 978-3-540-41214-4
Online ISBN: 978-3-642-59576-9
eBook Packages: Springer Book Archive