Zusammenfassung
Die sichere Selbstlokalisation autonomer Roboter bildet die Grundlage für deren Einsatz in natürlichen Umgebungen. Um dies in sich ständig verändernden Einsatzgebieten zu gewährleisten, wird ein aktiver Ansatz vorgestellt, der aufgrund von Farbmerkmalen, die aus den Sensordaten einer CCD-Kamera extrahiert werden, Umgebungskarten trainiert und während der Lokalisationsphase eine probabilistisch modellierte Positions- und Blickrichtungssteuerung verwendet. Zum Einsatz kommen Markov Entscheidungsprozesse, mit deren Hilfe Bewegungsfolgen so gewählt werden, dass die Wahrscheinlichkeit für die richtige Lokalisation anhand der im nächsten Schritt extrahierten Daten maximiert wird. Dabei wird nach einer unsicheren Standortbestimmung diejenige Position angefahren, welche die meiste Information zur Entscheidung über den korrekten Standpunkt beiträgt. Das Verfahren ist daher auch tolerant gegenüber neuen, falsch detektierten und verschwundenen Merkmalen. Anhand von Experimenten in einer realen Flurumgebung wird die Leistungsfähigkeit dieses aktiven Ansatzes mit passiven Methoden zur Selbstlokalisation verglichen.
This is a preview of subscription content, log in via an institution.
Buying options
Tax calculation will be finalised at checkout
Purchases are for personal use only
Learn about institutional subscriptionsPreview
Unable to display preview. Download preview PDF.
Literatur
J. Aloimonos, I. Weiss, A. Bandyopadhyay: Active Vision, International Journal of Computer Vision, Bd. 2, Nr. 3, 1988, S. 333–356.
J. Borenstein, H. Everett, L. Feng: Navigating Mobile Robots, A K Peters, Wel-lesley, Massachusetts, 1996.
W. Burgard, A. Cremers, D. Fox, D. Hähnel, G. Lakemeyer, D. Schulz, W. Steiner, S. Thrun: The Interacitve Museum Tour-Guide Robot, in Proceedings of the Fifteenth National Conference on Artificial Intelligence (AAAI’98), Madison, Wisconsin, 1998.
W. Burgard, D. Fox, D. Hennig: Estimating the Absolute Position of a Mobile Robot Using Position Probability Grids, AAAI-96, 1996.
J. Denzler: Aktives Sehen zur Echtzeitobjekiverfolgung, Dissertation, Lehrstuhl für Mustererkennung (Informatik 5), Universität Erlangen-Nürnberg, 1997.
J. Denzler, M. Zobel: Automatische farbbasierte Extraktion natürlicher Landmarken und 3D-Positionsbestimmung auf Basis visueller Information in indoor Umgebungen, in V. Rehrmann (Hrsg.): Vierter Workshop Farbbildverarbeitung, Föhringer, Koblenz, 1998, S. 57–62.
T. Edlinger, G. Weiß: Exploration, Navigation and Self-Localization in an Autonomous Mobile Robot, University of Kaiserslautern, 1995.
D. Fox, W. Burgard, S. Thrun: Active Markov Localization for Mobile Robots, Carnegie Mellon University, 1998.
D. Fox: Markov Lokalization: A Probabilistic Framework for Mobile Robot Localization and Navigation, University of Bonn, Institute of Computer Sience, 1998.
C. Frank: Vergleich probabilistischer Ansätze zur passiven und aktiven Selbstlokali-sation, Diplomarbeit, Lehrstuhl für Mustererkennung (Informatik 5), Universität Erlangen-Nürnberg, 1999, http://www5.informatik.uni-erlangen.de/.
R. Graf, P. Weckesser: Roomservice in a hotel, in 3rd IFAC Symposium on Intelligent Autonomous Vehicles — IAV 98, Madrid, ES, 1998, S. 641–647.
B. Heisele, U. Kressel, W. Ritter: Tracking Non-Rigid Moving Objects Based on Color Cluster Flow, in IEEE Computer Vision and Pattern Recognition, 1997, S. 257–260.
L. Kaelbling: Planning and Acting in Partially Observable Stochastic Domains, Artificial Intelligence, Bd. 101, 1998.
C. F. Olson, L. H. Matthies: Maximum Likelihood Rover Lokalization by Matching Range Maps, in Proc. of the IEEE International Conference on Robotics and Automation, 1998, S. 272–277.
L. R. Rabiner: A Tutorial on Hidden Markov Models and Selected Applications in Speech Recognition, IEEE, Bd. 77, Februar 1989, S. 257–285.
K. Sutherland: Landmark Selection for Accurate Navigation, in DARPA93, 1993, S. 485–490.
M. J. Swain, D. H. Ballard: Color Indexing, International Journal of Computer Vision, Bd. 7, Nr. 1, November 1991, S. 11–32.
M. Swain, M. Stricker: Promising Directions in Active Vision, CS 91-27, University of Chicago, 1991.
P. Weckesser, R. Dillmann, M. Elbs, S. Hampel: Multiple Sensorprocessing for High-Precision Navigation and Environmental Modeling with a moble Robot, Institute for Real-Time Computer Systems & Robotics, University of Karlsruhe, 1996.
G. Welch, G. Bishop: An Introduction to the Kaiman Filter, UNC Chapel Hill, Department of Computer Science, 1998.
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
Drexler, C., Frank, C., Denzler, J., Niemann, H. (2000). Probabilistisch modellierte Blicksteuerung zur Selbstlokalisation anhand natürlicher Landmarken. In: Schmidt, G., Hanebeck, U., Freyberger, F. (eds) Autonome Mobile Systeme 1999. Informatik aktuell. Springer, Berlin, Heidelberg. https://doi.org/10.1007/978-3-642-59708-4_22
Download citation
DOI: https://doi.org/10.1007/978-3-642-59708-4_22
Publisher Name: Springer, Berlin, Heidelberg
Print ISBN: 978-3-540-66732-2
Online ISBN: 978-3-642-59708-4
eBook Packages: Springer Book Archive