Advertisement

Ein Zwei-Karten-Verfahren zur gleichzeitigen Kartographierung und Lokalisierung

  • Kai Briechle
  • Uwe D. Hanebeck
Conference paper
Part of the Informatik aktuell book series (INFORMAT)

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.

Preview

Unable to display preview. Download preview PDF.

Unable to display preview. Download preview PDF.

Literatur

  1. [1]
    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.Google Scholar
  2. [2]
    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.Google Scholar
  3. [3]
    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.Google Scholar
  4. [4]
    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.Google Scholar
  5. [5]
    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.Google Scholar
  6. [6]
    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.Google Scholar
  7. [7]
    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.Google Scholar
  8. [8]
    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.Google Scholar
  9. [9]
    G. Welch, G. Bishop. An Introduction to the Kalman Filter, UNC-Chapel Hill, TR 95–041, November 30, 1999.Google Scholar
  10. [10]
    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.Google Scholar

Copyright information

© Springer-Verlag Berlin Heidelberg 2000

Authors and Affiliations

  • Kai Briechle
    • 1
  • Uwe D. Hanebeck
    • 1
  1. 1.Lehrstuhl für Steuerungs- und RegelungstechnikTechnische Universität MünchenMünchenDeutschland

Personalised recommendations