Globale Selbstlokalisation mittels Referenzscan - Matching

Globale Selbstlokalisation, d. h. die Fahigkeit eines mobilen Roboters zur Positionsbestimmung ohne initiale Hypothese, ist fur eine zuverlassige Navigation in vielen Anwendungsszenarien unerlasslich. Dieser Beitrag bespricht Techniken zur probabilistischen topologie- oder metrikbasierten Selbstlokalisation auf der Basis der Wiedererkennung von Referenzscans der Einsatzumgebung mittels des APR-Algorithmus.

[1]  R. Simmons,et al.  Probabilistic Navigation in Partially Observable Environments , 1995 .

[2]  Joachim Weber,et al.  APR - Global Scan Matching Using Anchor Point Relationships , 2000 .

[3]  Gerhard Weiss,et al.  A map based on laserscans without geometric interpretation , 1999 .

[4]  R. Hinkel,et al.  ENVIRONMENT PERCEPTION WITH A LASER RADAR IN A FAST MOVING ROBOT , 1989 .

[5]  Wolfram Burgard,et al.  Position tracking with position probability grids , 1996, Proceedings of the First Euromicro Workshop on Advanced Mobile Robots (EUROBOT '96).

[6]  Reid G. Simmons,et al.  Probabilistic Robot Navigation in Partially Observable Environments , 1995, IJCAI.

[7]  Evangelos E. Milios,et al.  Robot Pose Estimation in Unknown Environments by Matching 2D Range Scans , 1994, 1994 Proceedings of IEEE Conference on Computer Vision and Pattern Recognition.

[8]  Paul Levi,et al.  Globale Lokalisation mobiler Roboter mit natürlichen Landmarken in dynamischen Umgebungen , 1999, AMS.

[9]  Hugh F. Durrant-Whyte,et al.  Mobile robot localization by tracking geometric beacons , 1991, IEEE Trans. Robotics Autom..

[10]  Georg von Wichert,et al.  Selbstorganisierte Bildanalyse für die Navigation autonomer mobiler Roboter , 1995, AMS.

[11]  Joachim Weber,et al.  Selbstorganisierende Klassifikation von 2D- Laserscans zur Navigation eines AMR , 2000, AMS.

[12]  Leslie Pack Kaelbling,et al.  Acting under uncertainty: discrete Bayesian models for mobile-robot navigation , 1996, Proceedings of IEEE/RSJ International Conference on Intelligent Robots and Systems. IROS '96.

[13]  Wolfram Burgard,et al.  Monte Carlo Localization: Efficient Position Estimation for Mobile Robots , 1999, AAAI/IAAI.

[14]  Bernt Schiele,et al.  Position estimation using principal components of range data , 1998, Robotics Auton. Syst..