Advertisement

Relokalisation — Ein theoretischer Ansatz in der Praxis

  • Oliver Karch
  • Hartmut Noltemeier
  • Mathias Schwark
  • Thomas Wahl
Conference paper
Part of the Informatik aktuell book series (INFORMAT)

Zusammenfassung

Wir betrachten das folgende Problem: Ein Roboter befindet sich an einer ihm unbekannten Position innerhalb eines Gebäudes und hat die Aufgabe, eine komplette Relokalisation durchzuführen, d.h. seine Position und Orientierung zu bestimmen. Dies ist beispielsweise notwendig, wenn der Roboter nach einer Störung (z.B. einem Stromausfall oder Wartungsarbeiten) wieder selbständig starten soll und die Möglichkeit besteht, daß er in der Zwischenzeit bewegt wurde. Eine idealisierte Variante dieses Problems, bei der der Roboter einen Entfernungssensor und einen Kompaß besitzt, die jeweils exakte, unverrauschte Daten liefern, sowie eine (exakte) polygonale Umgebungskaxte, wurde von Guibas et al. gelöst.

Wir beschreiben eine Möglichkeit, diesen theoretischen Ansatz so zu modifizieren, daß er auch in realistischen Umgebungen (beispielsweise bei ungenauer Sensorik oder ungenauer Karte) eingesetzt werden kann.

Preview

Unable to display preview. Download preview PDF.

Unable to display preview. Download preview PDF.

Literatur

  1. 1.
    H. Alt, B. Behrends, J. Blömer. Approximate Matching of Polygonal Shapes. In Proceedings of the 7th Annual ACM Symposium on Computational Geometry, S. 186–193, 1991.Google Scholar
  2. 2.
    E. M. Arkin, L. P. Chew, D. P. Huttenlocher, K. Kedem, J. S. B. Mitchell. An Efficiently Computable Metric for Comparing Polygonal Shapes. IEEE Transactions on Pattern Analysis and Machine Intelligence, Bd. 13, S. 209–216, 1991.CrossRefGoogle Scholar
  3. 3.
    I. J. Cox. Blanche — An Experiment in Guidance and Navigation of an Autonomous Robot Vehicle. IEEE Transactions on Robotics and Automation, Bd. 7(2), S. 193–204, April 1991.CrossRefGoogle Scholar
  4. 4.
    G. Dudek, K. Romanik, S. Whitesides. Localizing a Robot with Minimum Travel. In Proceedings of the 6th Annual ACM-SIAM Symposium on Discrete Algorithms, S. 437–446, 1995.Google Scholar
  5. 5.
    L. J. Guibas, R. Motwani, P. Raghavan. The Robot Localization Problem. In K. Goldberg, D. Halperin, J.-C. Latombe, R. Wilson (Hrsg.), Algorithmic Foundations of Robotics, S. 269–282. A K Peters, 1995. http://theory.stanford.edu/people/motwani/postscripts/localiz.ps.Z.Google Scholar
  6. 6.
    O. Karch, H. Noltemeier. Robot Localization—Theory and Practice. In Proceedings of the 10th IEEE/RSJ International Conference on Intelligent Robots and Systems (IROS’97), 1997.Google Scholar
  7. 7.
    K. Mehlhorn, S. Näher. LEDA — A Platform for Combinatorial and Geometric Computing. Communications of the ACM, Bd. 38, S. 96–102, 1995.http://www.mpi-sb.mpg.de/guide/staff/uhrig/ledapub/reports/leda.ps.Z.CrossRefGoogle Scholar
  8. 8.
    H. Noltemeier, K. Verbarg, C. Zirkelbach. A Data Structure for Representing and Efficient Querying Large Scenes of Geometric Objects: MB*-Trees. In G. Farin, H. Hagen, H. Noltemeier (Hrsg.), Geometric Modelling, Bd. 8 von Computing Supplement, S. 211–226. Springer, 1993.Google Scholar
  9. 9.
    S. Schuierer. Efficient Robot Self-Localization in Simple Polygons. In O. Karch, H. Noltemeier, K. Verbarg (Hrsg.), 13th European Workshop on Computational Geometry (CG’97), S. 20–22. Universität Würzburg, 1997.Google Scholar
  10. 10.
    Th. Wahl. Distanzfunktionen für Polygone und ihre Anwendung in der Roboter-lokalisation. Diplomarbeit, Universität Würzburg, Juni 1997.Google Scholar

Copyright information

© Springer-Verlag Berlin Heidelberg 1997

Authors and Affiliations

  • Oliver Karch
    • 1
  • Hartmut Noltemeier
    • 1
  • Mathias Schwark
    • 1
  • Thomas Wahl
    • 1
  1. 1.Lehrstuhl für Informatik IUniversität WürzburgWürzburgGermany

Personalised recommendations