Skip to main content
SpringerLink
Log in
Book cover

Handbuch der Geodäsie pp 1–36Cite as

Mobile Multisensorsysteme

  • Living reference work entry
  • First Online:

  • 773 Accesses

Part of the book series: Springer Reference Naturwissenschaften ((SRN))

Zusammenfassung

Mobile Multisensorsysteme ermöglichen es, die Umgebung und Objekte darin sehr effizient, das heißt mit geringem Zeitaufwand dreidimensional zu erfassen. Sie enthalten üblicherweise eine Vielzahl von Sensoren, die sowohl zur Berechnung der Trajektorie der bewegten Sensorplattform als auch zur Vermessung der Umgebung eingesetzt werden. Die Aufgaben beim Betrieb von Multisensorsystemen, über die dieses Kapitel einen Überblick gibt, sind die zeitliche Synchronisierung sowie die räumliche Zuordnung aller Sensordaten und die Berechnung der Position und Orientierung der Plattform in einem übergeordneten Koordinatensystem zu jedem Zeitpunkt.

Dieser Beitrag ist Teil des Handbuchs der Geodäsie, Band „Ingenieurgeodäsie“, herausgegeben von Willfried Schwarz, Weimar.

This is a preview of subscription content, log in via an institution.

Notes

  1. 1.

    Wie später erläutert wird, lässt sich die Bestimmung der Trajektorie unter gewissen Umständen auch mit Hilfe der Objektraumsensoren bestimmen, so dass prinzipiell ein Multisensorsystem mit nur einem Sensor, z. B. einem Laserscanner oder einer Kamera, denkbar ist.

  2. 2.

    In diesem Kapitel wird mit Genauigkeit generell die Abweichung der Messung oder Schätzung vom wahren Wert bezeichnet, ohne die Komplexität bei der Bestimmung und Beschreibung von Genauigkeiten zu berücksichtigen.

  3. 3.

    Das entspricht der üblichen Konvention für Landfahrzeuge. Bei fliegenden Systemen zeigt die y-Achse meist nach rechts und die z-Achse nach unten.

  4. 4.

    Das ist konsistent mit der Definition des körperfesten Systems. Bei Luftfahrzeugen zeigt x nach Norden, y nach Osten und z nach unten (NED: „North-East-Down“).

  5. 5.

    Realistische Beschleunigungs- und Abbremsvorgänge eines Fahrzeuges im Bereich von -3g bis 3g führen beispielsweise zu Abweichungen bis zu 15˚, wenn die translatorische Komponente ignoriert wird.

  6. 6.

    Letztere treten zum Beispiel bei GNSS-Beobachtungen auf, wenn lediglich das indirekte, an einem Objekt reflektierte Satellitensignal die Antenne erreicht.

  7. 7.

    In diesem Fall könnte man sie auch getrennt voneinander in zwei unabhängigen Filtern schätzen.

  8. 8.

    leichter als 5 kg, das entspricht dem Gewicht, bis zudem in Deutschland unbemannte Fluggeräte unter vereinfachten rechtlichen Bedingungen betrieben werden dürfen.

  9. 9.

    durch die DFG gefördert als Forschergruppe FOR1505 (von 2012 bis 2017).

Literatur

  1. Kraus, K.: Photogrammetrie Band 1 – Geometrische Informationen aus Photographien und Laserscanner-aufnahmen, 7. Aufl. Walter de Gruyter, Berlin/New York (2004)

    Book  Google Scholar 

  2. Heister, H., Caspary, W., Hock, C., Klemm, J., Sternberg, H.: Kiss, a hybrid measuring system for kinematic surveying. In: Linkwitz, K., Hangleiter, U. (Hrsg.) High Precision Navigation 95, Proceedings, Ferd. S. 561–568. Dümmler Verlag, Bonn (1995)

    Google Scholar 

  3. Gräfe, G., Caspary, W., Heister, H., Klemm, J., Sever, M.: The road data acquisition system MoSES determination and accuracy of trajectory data gained with the applanix POS/LV. In: Proceedings 3rd International Symposium on Mobile-Mapping Technology, Cairo (2001)

    Google Scholar 

  4. Talaya, J., Alamus, R., Bosch, E., Serra, A., Kornus, W., Baron, A.: Integration of a terrestrial laser scanner with GPS/IMU orientation sensors. In: Proceedings of XXth ISPRS Congress, Commision 5, Istanbul (2004)

    Google Scholar 

  5. El-Sheimy, N., Lavigne, M.: 3D gis data acquisition using gps/ins/video mobile-mapping system. In: Proceedings Geodesy for Geotechnical and Structural Engineering, Eisenstadt, S. 375–380 (1998)

    Google Scholar 

  6. Gilliéron, P.Y., Skaloud, J., Brugger, D., Merminod, B.: Development of a low cost mobile-mapping system for road data base management. In: The 3rd International Symposium on Mobile-Mapping Technology, Cairo (2001)

    Google Scholar 

  7. Grejner-Brzezinska, D., Toth, C., Xiao, Q.: Real-time tracking of highway linear features. In: Proceeedings of the ION GPS, Salt Lake City (2000)

    Google Scholar 

  8. Puente, I., González-Jorge, H., Martínez-Sánchez, J., Arias, P.: Review of mobile-mapping and surveying technologies. Measurement 46(7), 2127–2145 (2013)

    Article  Google Scholar 

  9. Klingbeil, L., Lottes, P., Kuhlmann, H.: Laserscanning-technologie auf sich bewegenden plattformen. In: Schriftenreihe des DVW, Terrestrisches Laserscanning 2014 (TLS 2014), Bd. 78, S. 19–29. Wißner Verlag, Fulda (2014)

    Google Scholar 

  10. Wirth, H., Brüggemann, T.: The development of a multiple transducer multi-beam echo sounder system for very shallow waters, Proceedings FIG working week „bridging the gap between cultures“, Marrakech Morocco, 18.22.05.2011

    Google Scholar 

  11. Kuhlmann, H., Wieland, M.: Steering of a seeding process with a multi-sensors system. In: FIG Working Week, Rome, S. 6–10 (2012)

    Google Scholar 

  12. Stachniss, C.: Robotic Mapping and Exploration, Bd. 55. Springer, Berlin (2009)

    Google Scholar 

  13. Titterton, D., Weston, J.: Strapdown Inertial Navigation Technology, 2. Aufl. The American Institute of Aeronautics and Astronautics, Reston (2004)

    Book  Google Scholar 

  14. Wendel, J.: Integrierte Navigationssysteme – Sensordatenfusion, GPS und Inertiale Navigation. Oldenbourg, München (2007)

    Book  Google Scholar 

  15. El-Sheimy, N., Hou, H., Niu, X.: Analysis and modeling of inertial sensors using allan variance. IEEE Trans. Instrum. Meas. 57, 140–149 (2008)

    Article  Google Scholar 

  16. Lowe, D.: Object recognition from local scale-invariant features. In: Proceedings of the International Conference on Computer Vision, Corfu Island, Bd. 2, S. 1150–1157 (1999)

    Google Scholar 

  17. Scaramuzza, D., Fraundorfer, F.: Visual odometry: Part I – the first 30 years and fundamentals. IEEE Robot. 18(4), 80–92 (2011)

    Article  Google Scholar 

  18. Besl, P.J., McKay, N.: A method for registration of 3-D shapes. IEEE Trans. Pattern Anal. Mach. Intell. 14(2), 239–256 (1992)

    Article  Google Scholar 

  19. Lu, F., Milios, E.: Robot pose estimation in unknown environments by matching 2D range scans. J. Intell. Robot. Syst. 18(3), 249–275 (1997)

    Article  Google Scholar 

  20. Hofmann-Wellenhof, B., Lichtenegger, H., Wasle, E.: GNSS – Global Navigation Satellite Systems. Springer, Wien/New York (2008)

    Google Scholar 

  21. Eling, C., Zeimetz, P., Kuhlmann, H.: Development of an instantaneous GNSS/MEMS attitude determination system. GPS Solut. 17(1), 129–138 (2013). doi:10.1007/s10291-012-0266-8. http://dx.doi.org/10.1007/s10291-012-0266-8

    Article  Google Scholar 

  22. Klingbeil, L., Eling, C., Zimmermann, F., Kuhlmann, H.: Magnetic field sensor calibration for attitude determination. J. Appl. Geod. 8(2), 97–108. ISSN (Online) 1862-9024, ISSN (Print) 1862–9016, doi:10.1515/jag-2014-0003 (2014)

    Google Scholar 

  23. Schneider, J., Laebe, T., Förstner, W.: Incremental real-time bundle adjustment for multi-camera systems with points at infinity. Int. Arch. Photogramm. Remote Sens. Spat. Inf. Sci. XL-1/W2, 355–360 (2013)

    Google Scholar 

  24. Czommer, R.: Leistungsfähigkeit fahrzeugautonomer ortungsverfahren auf der basis von map-matching-techniken. Ph.D. thesis, Universität Stuttgart, Institut für Anwendungen der Geodäsie im Bauwesen (IAGB) (2000)

    Google Scholar 

  25. Julier, S.J., Uhlmann, J.K., Durrant-Whyte, H.F.: A new approach for filtering nonlinear systems. In: Proceedings of the 1995 American Control Conference, Seattle, S. 1628–1632 (1995)

    Google Scholar 

  26. Li, L., Kuhlmann, H.: Real-time deformation measurements using time series of gps coordinates processed by kalman filter with shaping filter. Surv. Rev. 44(326), 189–197 (2012)

    Article  Google Scholar 

  27. Heunecke, O., Kuhlmann, H., Welsch, W., Eichhorn, A., Neuner, H.: Auswertung geodätischer Überwachungsmessungen. In: Möser, M., Müller, G., Schlemmer, H. (Hrsg.) Handbuch Ingenieurgeodäsie, 2. Aufl. Wichmann, Heidelberg (2013)

    Google Scholar 

  28. Heunecke, O.: Zur Identifikation und Verifikation von Deformationsprozessen mittels adaptiver KALMAN-Filterung (Hannoversches Filter). Ph.D. thesis, Wissenschaftliche Arbeiten der Fachrichtung Vermessungswesen der Universität Hannover, Heft 208 (1995)

    Google Scholar 

  29. Bloom, H.A.P.: An efficient filter for abruptly changing systems. In: Proceedings of the 23rd IEEE Conference on Decision and Control, Las Vegas, S. 656–658 (1984)

    Google Scholar 

  30. Thrun, S., Burgard, W., Fox, D.: Probabilistic Robotics (Intelligent Ro\(\neg\) botics and Autonomous Agents). The MIT Press, Cambridge (2005)

    Google Scholar 

  31. Lichti, D., Skaloud, J.: Registration and calibration. In: Vosselman, G., Maas, H.G. (Hrsg.) In Airborne and Terrestrial Laser Scanning. Whittles Publishing, Caithness (2010)

    Google Scholar 

  32. Strübing, T., Neumann, I.: Positions- und orientierungsschätzung von lidarsensoren auf multisensorplattformen. Zeitschrift für Vermessungswesen 3/2013, 210–221 (2013)

    Google Scholar 

  33. Skaloud, J., Lichti, D.: Rigorous approach to bore-sight self-calibration in airborne laser scanning. ISPRS J. Photogramm. Remote Sens. 61, 47–59 (2006)

    Article  Google Scholar 

  34. Droeschel, D., Nieuwenhuisen, M., Beul, M., Behnke, S.: Autonomous Navigation for Micro Aerial Vehicles in Complex GNSS-denied Environments Journal of Intelligent & Robotic Systems, 2015, 1-18, published online, DOI: 10.1007/s10846-015-0274-3

    Google Scholar 

  35. Schneider, J., Förstner, W.: Real-time accurate geo-localization of a mav with omnidirectional visual odometry and Gps. In: Jawahar, C.V., Shiguang, S. (Hrsg.) Computer Vision – ECCV 2014 Workshops, S. 271–282. Springer International Publishing, Cham (2015)

    Chapter  Google Scholar 

  36. Eling, C., Klingbeil, L., Wieland, M., Kuhlmann, H.: Direct georeferencing of micro aerial vehicles – system design, system calibration and first evaluation tests. PFG – Photogramm. Fernerkund. Geoinf. 4, 227–237 (2014)

    Article  Google Scholar 

Download references

Author information

Authors and Affiliations

  1. Institut für Geodäsie und Geoinformation, Rheinische Friedrich-Wilhelms-Universität Bonn, Bonn, Deutschland

    Heiner Kuhlmann & Lasse Klingbeil

Authors
  1. Heiner Kuhlmann
    View author publications

    You can also search for this author in PubMed Google Scholar

  2. Lasse Klingbeil
    View author publications

    You can also search for this author in PubMed Google Scholar

Corresponding author

Correspondence to Heiner Kuhlmann .

Editor information

Editors and Affiliations

  1. Lehr- und Forschungsgebiet "Geomathemati, TU Kaiserslautern, Kaiserslautern, Germany

    Willi Freeden

  2. Physikalische Geodäsie, TU München Inst. Astronomische und, München, Germany

    Reiner Rummel

Rights and permissions

Reprints and permissions

Copyright information

© 2015 Springer-Verlag Berlin Heidelberg

About this entry

Cite this entry

Kuhlmann, H., Klingbeil, L. (2015). Mobile Multisensorsysteme. In: Freeden, W., Rummel, R. (eds) Handbuch der Geodäsie. Springer Reference Naturwissenschaften . Springer Spektrum, Berlin, Heidelberg. https://doi.org/10.1007/978-3-662-46900-2_20-1

Download citation

  • DOI: https://doi.org/10.1007/978-3-662-46900-2_20-1

  • Received:

  • Accepted:

  • Published:

  • Publisher Name: Springer Spektrum, Berlin, Heidelberg

  • Online ISBN: 978-3-662-46900-2

  • eBook Packages: Springer Referenz Naturwissenschaften

Publish with us

Policies and ethics

Search

Navigation