Advertisement

VISMOB: Aufbau und Nutzung selbstorganisierender, bildbasierter Umweltrepräsentationen für mobile Roboter

  • G. v. Wiehert
Conference paper
Part of the Informatik aktuell book series (INFORMAT)

Zusammenfassung

Anwendungsfelder der in den letzten Jahren entwickelten Technologien für den Betrieb mobiler Roboter werden im Dienstleistungsbereich liegen. Gerade diese Anwendungen erfordern im hohen Maße eine weitestgehende Autonomie solcher Systeme insbesondere, wenn sie in hohen Stückzahlen eingesetzt werden sollen. Eine detaillierte Apriori-Modellierung der Einsatzumgebungen kommt dann aus Aufwandsgründen nicht in Frage, da sie mit hohen Kosten verbunden ist. Dies gilt jedoch nicht nur für die Struktur der Umgebung (Karte), sondern auch für die Auswahl geeigneter Umweltmerkmale, welche als „Landmarken“für den Kartenaufbau benötigt werden. Die Eignung bestimmter Muster in den Sensordaten für diesen Zweck hängt in großem Maße von der jeweiligen Umgebung ab. Die in vielen Systemen die Basis der Bildauswertung bildende Kanteninformation kann in wenig strukturierten Umwelten, wie sie gerade Privatwohnungen häufig darstellen, untauglich sein.

Preview

Unable to display preview. Download preview PDF.

Unable to display preview. Download preview PDF.

Literatur

  1. [1]
    v. Wichert, G., Kleiner, K. Selbstorganisierende Bildanalyse für die Navigation von mobilen Robotern. In Dillmann, R., Lüth, T. (Hrsg.), Autonome Mobile Systeme (AMS’95), Informatik Aktuell. Springer Verlag, Heidelberg, Dezember 1995.Google Scholar
  2. [2]
    Kohonen, T. Self-Organization and Associative Memory. Springer, New York, London, Paris, Tokyo, 1988.zbMATHGoogle Scholar
  3. [3]
    v. Wichert, G. Selforganizing Visual Perception for Mobile Robot Navigation. In 1st Euromicro Workshop on Advanced Mobile Robots (EUROBOT’96), Seiten 194–200, Kaiserslautern, Germany, 1996. IEEE Computer Society Press.CrossRefGoogle Scholar
  4. [4]
    Moravec, H. P., Elfes, A. High Resolution Maps from Wide Angle Sonar. In International Conference on Robotics and Automation, Seiten 19–24, 1985.Google Scholar
  5. [5]
    Burgard, W., Fox, D., Henning, D., Schmidt, T. Estimating the Absolute Position of a Mobile Robot Using Position Probability Grids. Technischer Bericht, 1996.Google Scholar
  6. [6]
    Zimmer, U. R. Self-Localization in Dynamic Environments. In IEEE/SOFT Workshop BIES’95, Tokyo (Japan), Mai 1995.Google Scholar
  7. [7]
    Kurz, A. ALEF: An autonomous vehicle which learns basic skills and constructs maps for navigation. Autonomous Systems, 14:171–183, 1995.CrossRefGoogle Scholar
  8. [8]
    Simmons, R., Koenig, S. Probabilistic Navigation in Partially Observable Environments. In International Joint Conference on Artificial intelligence (IJCAP’95), Seiten 1080–1087, 1995.Google Scholar

Copyright information

© Springer-Verlag Berlin Heidelberg 1997

Authors and Affiliations

  • G. v. Wiehert
    • 1
  1. 1.Fachgebiet Regelsystemtheorie & RobotikTechnische Universität DarmstadtDarmstadtGermany

Personalised recommendations