HAW Hamburg Anwendung 1 - Vortrag Andrej Rull
|
|
- Edwina Bachmeier
- vor 5 Jahren
- Abrufe
Transkript
1 HAW Hamburg Anwendung 1 - Vortrag Andrej Rull
2 Gliederung o Motivation o Der Anwendungsfall o Das SLAM Problem o Lösungsansätze und Algorithmen o Zusammenfassung o Ausblick auf AW2 2
3 Motivation Wofür überhaupt Kartierung? Orientierung nur anhand von Kameradaten praktisch solang die Strecke erkannt wird Hinderniserfassung praktisch, solang die Fahrgeschwindigkeit nicht zu hoch ist System stabil, solang Kamera und Sensoren werte liefern Ausfall der Kamera und der Sensoren führt zum Totalausfall des Systems 3
4 Anwendungsfall Was ist das Ziel? Fahrzeug fährt Strecke ab Prototyp einer Karte wird erstellet Selbstlokalisierung nur Anhand der Odometrie ungenau Selbstlokalisierung auf der Strecke wird Anhand der Wiedererkennungsmerkmale optimiert Karte Rekonstruiert sich selbst Bereitstellen einer genauen Karte in Form von geometrischen Rastern 4
5 Anwendungsfall 5
6 Positionsbestimmung und Verifikation Eindeutige Beschreibung der Position im Weltmodell durch den Vektor: pos x = y ϕ Absolute Positionsbestimmung Position anfangs unbekannt Lokalisierung durch wiedererkannte Umgebungsmerkmale in eine metrischen Karte Relative Positionsbestimmung Startposition des Fahrzeugs bekannt Aktualisierung der Position durch Wegmessungen Korrektur der Position durch wiedererkennte Umgebungsmerkmale 6
7 Odometriebasierte Positionsbestimmung Positionsbestimmung anhand von Wegmessungen pro Zeiteinheit T Orientierungsberechnung: Positionsberechnung: pos k + 1 ϕ x = y = k k + s + s s k k l d s ϕ sin walt + 2 ϕ cos walt + 2 wk + ϕk r 7
8 Odometriebasierte Positionsbestimmung (2) Vorteil einfache Berechnung, keine Angaben über den Lenkwinkel nötig auf kurzen Strecken genau Nachteil Bodenwellen, Hindernisse und Schlupf führen zu Fehlern in der Berechnung Fehlerfortpflanzung bei längerer Fahrt 8
9 Odometriebasierte Positionsbestimmung (2) Vorteil einfache Berechnung, keine Angaben über den Lenkwinkel nötig auf kurzen Strecken genau Nachteil Bodenwellen, Hindernisse und Schlupf führen zu Fehlern in der Berechnung Fehlerfortpflanzung bei längerer Fahrt 9
10 Das SLAM Problem Simultaneous Localization and Mapping Fahrzeug braucht genaue Position um korrektes Weltmodell zu erzeugen eine genaue Position, kann nur durch ein korrektes Weltmodell bestimmt werden benötigten Größen für die Weltmodellierung: X T = x, x, x,, x } { T Positionsd aten U T = u, u, u,, u } { T Odometried aten Z T = z, z, z,, z } { T Messdaten 10
11 Das SLAM Problem (2) Weltmodell setzt sich zusammen aus Positionsdaten und Messdaten m = { X T, Z T SLAM muss Weltmodell rekonstruieren, sowie die Positionsdaten korrigieren } 11
12 Das SLAM Problem (2) 12
13 SLAM Lösungsansätze Bilden einer stochastischen Karte Odometrie vertrauen Landmarken extrahieren bzw lokale Sensorkarten abspeichern Karte = Graph von lokalen Sensorkarten bzw Menge von Landmarken in der Umgebung Rekonstruktion der Karte und Positionsbestimmung durch Abgleich der Landmarken bzw der Sensorkarten 13
14 SLAM Lösungsansätze Benötigte Modelle: Mathematisches Modell Messungsbasiertes Modell Lösungsansätze Extended Kalman Filter Partikel Filter Hypothesen Bildung (ATLAS Framework) 14
15 Extended Kalman Filter Definition: stochastischer Zustandsschätzer des Systems Zustand ist ein Vektor mit Positionsdaten und Feature Koordinaten Vektorgröße: 3+2N Positionsvektor + N*Landmarkenkoordinaten lineare Abhängigkeiten der Variablen durch Kovarianzmatrix angegeben 15
16 Extended Kalman Filter (2) Kovarianzmatrix enthält: Kovarianz der Fahrzeugposition Kovarianz der Features in der Umgebung Kovarianz zwischen Fahrzeugposition und Features Kovarianz zwischen einzelnen Features C( x) C C1 = C pp p np C C C p1 11 n1 C C C pn 1n nn 16
17 Extended Kalman Filter (3) Aktualisierung in drei Schritten: Update by Odometry Update by Re observation New observation 17
18 Extended Kalman Filter (4) 18
19 ATLAS Framework Repräsentation der Karte als Graph von lokalen Koordinatenframes Frames = Messdaten + relative Position d Fahrzeugs kein globales Koordinatensystem, sondern mehrere lokale Map Matching um Transformation zwischen Frames rauszufinden Hypothesen um neue Frames zu erzeugen, Frames zu löschen und Frames zu Verbinden Korrektur pflanzt sich zurück am Pfad entlang bspw Positionsfehler 19
20 ATLAS Framework Repräsentation der Karte als Graph von lokalen Koordinatenframes Frames = Messdaten + relative Position d Fahrzeugs kein globales Koordinatensystem, sondern mehrere lokale Map Matching um Transformation zwischen Frames rauszufinden Hypothesen um neue Frames zu erzeugen, Frames zu löschen und Frames zu Verbinden Korrektur pflanzt sich zurück am Pfad entlang bspw Positionsfehler 20
21 Lokale Frames 21
22 Zusammenfassung Karte unterstützt Fahrzeug bei Ausfall von Sensorik, sowie der Orientierung in der Umgebung genaue Kartegenerierung nur mit einer genauen Position möglich genaue Positionsbestimmung nur mit einer genauer Karte möglich stochastische Kartegenerierung und Positionsschätzung weniger Berechnungsaufwand durch lokale Frames 22
23 Ausblick auf AW2 Lokale Frames: Kurveneingang Kurvenausgang Stopplinien Kreuzungen Geraden Positionsberechnung durch Odometrie Überprüfen der Position durch Map Matching IDC Algorithmus um Transformation zu bestimmen Rekonstruktion des Graphen durch Aktualisierung des Positionsvektors in jedem lokalem Frame 23
24 Danke für Ihre Aufmerksamkeit! 24
HAW Hamburg Anwendung 2 - Vortrag Andrej Rull
HAW Hamburg Anwendung 2 - Vortrag Andrej Rull 25062009 1 Gliederung o Motivation o Das SLAM Problem o Related Works ATLAS Framework o Abgrenzung der eigenen o Zusammenfassung 2 Motivation Wofür überhaupt
MehrAusarbeitungsarbeit. Andrej Rull Fahrspur- und Odometrie-basierte Selbstlokalisierung und Kartierung (SLAM)
Ausarbeitungsarbeit Andrej Rull Fahrspur- und Odometrie-basierte Selbstlokalisierung und Kartierung (SLAM) Fakultät Technik und Informatik Department Informatik Faculty of Engineering and Computer Science
Mehr9 SLAM Simultaneous Localization and Mapping
9 SLAM Simultaneous Localization and Mapping Einleitung eines der aktivsten Forschungsgebiete innerhalb der Robotik Roboterlokalisierung bei gegebener Karte (Kap. 8 und Karte aus Sensordaten bei bekannter
MehrAusarbeitung Anwendungen 2 SoSe Andrej Rull Fahrspur- und Odometrie-basierte Selbstlokalisierung und Kartierung SLAM
Ausarbeitung Anwendungen 2 SoSe 2009 Andrej Rull Fahrspur- und Odometrie-basierte Selbstlokalisierung und Kartierung SLAM Fakultät Technik und Informatik Department Informatik Faculty of Engineering and
MehrMasterarbeit. Andrej Rull Fahrspur- und Odometrie-basierte Selbstlokalisierung und Kartierung (SLAM)
Masterarbeit Andrej Rull Fahrspur- und Odometrie-basierte Selbstlokalisierung und Kartierung (SLAM) Fakultät Technik und Informatik Department Informatik Faculty of Engineering and Computer Science Department
MehrSLAM-Verfahren Synchrone Lokalisierung und Kartenerstellung
SLAM-Verfahren Synchrone Lokalisierung und Kartenerstellung EKF-SLAM: Landmarkenbasiertes SLAM-Verfahren mit einem erweiterten Kalmanfilter Fast-Slam: Gitterbasiertes SLAM-Verfahren mit einem Partikelfilter
MehrImplementierung des Scan-Matching-Algorithmus MbICP im Fach Mensch-Maschine- Kommunikation/Robotik
Implementierung des Scan-Matching-Algorithmus MbICP im Fach Mensch-Maschine- Kommunikation/Robotik Betreuer: Dipl.-Inf. (FH) Peter Poschmann Enrico Uhlig, Markus Fischer, Marcus Kupke 26. Jun 2012 1 Gliederung
MehrQuadrocopters and it s Applications: Overview of State of the Art Techniques
: Overview of State of the Art Techniques Visual Tracking for Robotic Applications Sebastian Brunner Lehrstuhl für Echtzeitsysteme und Robotik Technische Universität München Email: brunnese@in.tum.de Date:
MehrEndvortrag Echtzeitsystem Projektseminar
Endvortrag Echtzeitsystem Projektseminar Team Apollo 13: Sebastian Ehmes, Nicolas Acero, Huyhn-Tan Truong, Li Zhao 1 29.02.16 Gliederung I. Recap: Mission 1 & Mission 2 II. Mission 2: Selbstlokalisierung
MehrSLAM. Simultaneous Localization and Mapping. KogSys-Sem-M2: Reading Club - SLAM - Andreas Habermann
SLAM Simultaneous Localization and Mapping KogSys-Sem-M2: Reading Club - SLAM - Andreas Habermann Simultaneous Localization And Mapping SLAM Problematik SLAM Arten SLAM Methoden: (E)KF SLAM GraphSLAM Fast
MehrFast-SLAM: Synchrone Lokalisierung und Kartenerstellung mit einem Partikel-Filter
Fast-SLAM: Synchrone Lokalisierung und Kartenerstellung mit einem Partikel-Filter! Landmarkenbasiertes Fast-SLAM! Gitterbasiertes Fast-Slam! Optimierungen Prof. Dr. O. Bittel, HTWG Konstanz Autonome Roboter
MehrNavigation anhand natürlicher Landmarken mit Hilfe der Scale Invariant Feature Transform. Thorsten Jost INF-M2 AW1 Sommersemester
Navigation anhand natürlicher Landmarken mit Hilfe der Scale Invariant Feature Transform Thorsten Jost INF-M2 AW1 Sommersemester 2008 Agenda Motivation Feature Detection Beispiele Posenbestimmung in Räumen
MehrGIS-basierte topologische Fahrzeuglokalisierung durch LIDAR Kreuzungserkennung
durch LIDAR Kreuzungserkennung André Müller, Hans-Joachim Wünsche Fakultät für Luft- und Raumfahrttechnik Institut für Technik Autonomer Systeme (TAS) Universität der Bundeswehr München Inhalt - Einleitung
MehrRatSLAM. Torben Becker. 24. Mai HAW Hamburg
HAW Hamburg 24. Mai 2012 Gliederung 1 Motivation 2 3 Aussicht 2 / 21 Motivation Warum SLAM? Navigation Umgebungskartografie Feststellung der Position innerhalb eines Geländes ohne Funksignale Keine vorherige
MehrHeterogene Multirobotersysteme zur Aufklärung in unbekanntem Gelände
Heterogene Multirobotersysteme zur Aufklärung in unbekanntem Gelände Zur Erlangung des akademischen Grades eines Doktor-Ingenieurs von der Fakultät für Elektrotechnik und Informationstechnik des Karlsruher
MehrLokalisierung. von Matthias Heine, Norbert Müller, Silvia Schreier, Oliver Zöllner
Lokalisierung von Matthias Heine, Norbert Müller, Silvia Schreier, Oliver Zöllner Was ist Lokalisierung? Fähigkeit eines autonomen Roboters seine Position in Bezug auf ein festes (Koordinaten-)System zu
MehrModellbasiertes Suchen von Objekten
Modellbasiertes Suchen von Objekten Anwendung 1 Vortrag HAW-Hamburg Betreuende Professoren Hosnia Najem Kai von Luck Gunter Klemke Agenda Welches Projekt? Motivation Szenario Technologische Anforderungen
MehrDynamic Maps: Von Karten zu Prozessen
Dynamic Maps: Von Karten zu Prozessen Claus Brenner Institut für Kartographie und Geoinformatik Universität Hannover Der Titel... Dynamic Maps: Von Karten zu Prozessen? Der Titel... Dynamic Maps: Von Karten
MehrA Framework for Sparse, Non-Linear Least Squares Problems on Manifolds
A Framework for Sparse, Non-Linear Least Squares Problems on Manifolds Ein Rahmen für dünnbesetzte, nichtlineare quadratische Ausgleichsrechnung auf Mannigfaltigkeiten Christoph Hertzberg Universität Bremen
MehrVisuelle Information zur robusten Zuordnung von Landmarken für die Navigation mobiler Roboter
Visuelle Information zur robusten Zuordnung von Landmaren für die Navigation mobiler Roboter Forum Bildverarbeitung 2010 Thomas Emter Thomas Ulrich Loalisierung Herausforderungen Relative Sensoren (Dead
MehrKartenerstellung und Navigation
Kartenerstellung und Navigation zur Positionserkennung autonomer Fahrzeuge von Ilona Blanck 27. Mai 2008 im Rahmen der Anwendungen I Vorlesung des Masterstudiums Informatik der Fakultät Technik und Informatik
MehrTeach-In für die 3D-Scan Akquise mit einem Roboter. Teach-In für die 3D-Scanakquise mit einem mobilen Roboter
Teach-In für die 3D-Scan Akquise mit einem Roboter DoritStruckmeier, Borrmann Dorit Oldenburger 2017 Oliver Borrmann,3D-Tage Andreas Nüchter 1 Zielsetzung der Arbeit Ein mobiler Roboter fährt einen angelernten
MehrUmsetzung eines Online-SLAM-Verfahrens auf der Roboterplattform VolksBot-Lab
Umsetzung eines Online-SLAM-Verfahrens auf der Roboterplattform VolksBot-Lab Bachelorarbeit Frank Engelhardt Institut für Verteilte Systeme Gliederung Motivation Problemexposition Lösungsverfahren Zeitverhalten
MehrLineare Gleichungssysteme: eine Ergänzung
Lineare Gleichungssysteme: eine Ergänzung Ein lineares Gleichungssystem, bei dem alle Einträge auf der rechten Seite gleich sind heiÿt homogenes lineares Gleichungssystem: a x + a 2 x 2 +... + a n x n
MehrRelative Lokalisierung in Sensornetzen
Relative Lokalisierung in Sensornetzen Raphael Schmid Seminar Lokalisierung bei Prof. F. Mattern, SS06 Betreuung: Christian Frank Inhalt des Vortrages Einführung und Motivation Übersicht über relative
MehrProbabilistische Methoden für die Roboter-Navigation am Beispiel eines autonomen Shopping- Assistenten. Von Christof Schröter
Probabilistische Methoden für die Roboter-Navigation am Beispiel eines autonomen Shopping- Assistenten Von Christof Schröter Universitätsverlag Ilmenau 2009 Impressum Bibliografische Information der Deutschen
MehrPositionserkennung mittels Odometrie und GPS. angewandt an einen Rasenmäherroboter als Vorraussetzung für eine erfolgreiche Navigation
Positionserkennung mittels Odometrie und GPS angewandt an einen Rasenmäherroboter als Vorraussetzung für eine erfolgreiche Navigation Erklärung der Funktionsweise In diesem Dokument soll die prinzipielle
MehrWie findet das Navi den Weg?
0.05.0 Verwandte Fragestellungen Problemstellungen aus der Praxis Prof. Dr. Paul Rawiel Gliederung des Vortrags Speicherung von Kartendaten zur Navigation Kriterien für die Navigation Finden des kürzesten
MehrVerbundprojekt. Automated Cars and Intelligent Traffic in the City. Automatisierte Fahrzeuge und Intelligenter Verkehr in der Stadt
Verbundprojekt Automated Cars and Intelligent Traffic in the City Automatisierte Fahrzeuge und Intelligenter Verkehr in der Stadt Dr. Ulrich Kreßel, Daimler AG Fachtagung Automatisiertes und vernetztes
MehrHauptseminar Roboternavigation. Kartenaufbau nach Thrun
Hauptseminar Roboternavigation Kartenaufbau nach Thrun Hannes Keil keil@in.tum.de 18. Januar 2002 Überblick Kartenaufbau nach Thrun Überblick 1. Einführung in den Kartenbau 2. Einführung in den Aufbau
MehrEliminationsmethoden auf dem dualen Berechnungsgraphen
smethoden auf dem dualen Berechnungsgraphen 15.08.2006 Sommerschule des Graduiertenkollegs Hierarchie und Symmetrie in mathematischen Modellen Universitätsakademie Bommerholz Übersicht Einleitung 1 Einleitung
MehrAnwendungsbezogenes Tracking
Institut für Computervisualistik Universität Koblenz 4. Juli 2011 Inhaltsverzeichnis 1 Sensorbasiertes Tracking GPS WLan Elektronischer Kompass Inertialsensoren 2 Bildbasiertes Tracking Markerbasiertes
MehrSensoren (1) Definition
Sensoren () Definition Unter Sensoren versteht man Komponenten, in denen eine physikalische oder chemische Veränderung in ein geeignetes Nutzsignal erfasst oder gemessen wird. Sensoren () Sensorinformationen
Mehr(a) Welche der folgenden Funktionen ist injektiv, surjektiv beziehungsweise bijektiv? x 1 + x
Aufgabe Injektiv und Surjektiv) a) Welche der folgenden Funktionen ist injektiv, surjektiv beziehungsweise bijektiv?. f : Z N; x x 2. 2. f : R R; x x x.. f : R [, ]; x sin x. 4. f : C C; z z 4. b) Zeigen
MehrLandmarkenbasierte Kartierung und Lokalisierung
Landmarkenbasierte Kartierung und Lokalisierung Inhalt 1. Kartierung Wiederholung Probleme Vergleich 2. Lokalisierung Wiederholung Fortsetzung Partikelfilter Zusammenfassung der Vorgehensweise Quellen
MehrMARKERLESS AUGMENTED REALITY. Henrik Brauer
MARKERLESS AUGMENTED REALITY Henrik Brauer Inhalt Was ist Augmented Reality Meine Motivation Grundlagen Positionsbestimmung mit Marker Positionsbestimmung ohne Marker Idee Risiken INHALT Augmented Reality
Mehr09. Lineare Abbildungen und Koordinatentransformationen
09. Lineare Abbildungen und Koordinatentransformationen Definition. Seien V und W Vektorräume. Unter einer linearen Abbildung versteht man eine Abbildung F : V W, v F v w mit folgender Eigenschaft: F λ
MehrMathematische Grundlagen Kalman Filter Beispielprogramm. Kalman Filter. Stephan Meyer
Kalman Filter Stephan Meyer FWPF Ortsbezogene Anwendungen und Dienste Georg-Simon-Ohm-Hochschule Nürnberg 07.12.2007 Outline 1 Mathematische Grundlagen 2 Kalman Filter 3 Beispielprogramm Mathematische
MehrTopologieerkennung von Sensornetzwerken
looz@ira.uka.de Institut für Theoretische Informatik - Algorithmik I 26. Januar 2010 Übersicht Motivation Definitionen Überlegungen Algorithmus Resultate Motivation Definitionen Überlegungen Algorithmus
MehrSmartLocate - Indoor-Personenlokalisierung mittels Smart-Phone-Sensorik und Bluetooth- Beacons
Prof. Dr.-Ing. Jörg Franke Lehrstuhl für Fertigungsautomatisierung und Produktionssystematik Friedrich-Alexander-Universität Erlangen-Nürnberg SmartLocate - Indoor-Personenlokalisierung mittels Smart-Phone-Sensorik
MehrFührungskonzept eines autonomen Fahrzeuges. Enrico Hensel Masterstudiengang Informatik AW1 2008
Führungskonzept eines autonomen Fahrzeuges Enrico Hensel Masterstudiengang Informatik AW1 2008 Einleitung Motivation Fahrzeugführung Bestandsaufnahme zu den Fahrzeugprojekten Herausforderungen in der Fahrzeugführung
MehrBahnplanung am stationären Hindernis
Bahnplanung am stationären Hindernis von Ilona Blanck 01. Dez 2008 im Rahmen der Seminar Ring Vorlesung des Masterstudiums Informatik der Fakultät Technik und Informatik der HAW Hamburg Übersicht 1. Motivation
MehrDer diskrete Kalman Filter
Der diskrete Kalman Filter Fachbereich: Informatik Betreuer: Marc Drassler Patrick Winkler 1168954 6. Dezember 2004 Technische Universität Darmstadt Simulation und Systemoptimierung Darmstadt Dribbling
MehrCell Decomposition & Potential Field
Seminar EXRPR Cell Decomposition & Potential Field Gruppe 2: Thomas Janu Martin Koch Adrian J. Merkl Matthias Schneider Cell Decomposition & Potential Field 20.06.2005 Gruppe 2 Gliederung (1) 1.Cell Decomposition
MehrDatenanalyse. (PHY231) Herbstsemester Olaf Steinkamp
Datenanalyse PHY31 Herbstsemester 016 Olaf Steinkamp 36-J- olafs@physik.uzh.ch 044 63 55763 Vorlesungsprogramm Einführung, Messunsicherheiten, Darstellung von Messdaten Grundbegriffe der Wahrscheinlichkeitsrechnung
MehrInhaltsverzeichnis. Abbildungsverzeichnis 3. 1 Einleitung 4
Ausarbeitungsarbeit Filip Nowacki Konzeptentwicklung eines Sicherheits- und Navigationsmoduls basierend auf einer geometrischen Umgebungskartierung für autonom fahrende Systeme Fakultät Technik und Informatik
MehrCapturing Reality Hoch aufgelöste statische und dynamische Kartierung für hochautomatisiertes Fahren.
Capturing Reality Hoch aufgelöste statische und dynamische Kartierung für hochautomatisiertes Fahren www.joanneum.at/digital Wozu braucht mein Auto eine Karte? 2 Mensch als Fahrer: Karte wird zum Navigieren
MehrBiologisch motivierter SLAM Algorithmus
HAW Hamburg 01. Dezember 2011 Gliederung 1 Einführung 2 RatSLAM 3 Aussicht für Master 2 / 23 Einführung Was ist SLAM SLAM bedeutet: Simultaneous Localization and Mapping Erstellung einer Karte durch mobilen
MehrKalman-Filter und Target Tracking
Kalman-Filter und Target Tracking Peter Poschmann Hochschule für Technik und Wirtschaft Dresden Fakultät Informatik/Mathematik 23. März 2016 Inhalt 1 Kalman-Filter Einleitung Eindimensionaler Kalman-Filter
Mehr14.3 Berechnung gekrümmter Flächen
4.3 Berechnung gekrümmter Flächen Gekrümmte Flächen werden berechnet, indem sie als Graph einer Funktion zweier Veränderlicher aufgefasst werden. Fläche des Graphen einer Funktion zweier Veränderlicher
MehrInterne Qualitäts- und Datenkontrolle
Interne Qualitäts- und Datenkontrolle Henning Klein (M.Sc. Geodäsie und Geoinformationswesen, Technische Universität Darmstadt) Copyright 2018 3D Mapping Solutions GmbH (The information contained herein
MehrEntwicklung eines Map-Matching- Algorithmus zur Ortung von Fahrzeugen in Stadtgebieten
11. Vermessungsingenieurtag - Ein Map-Matching-Algorithmus Entwicklung eines Map-Matching- Algorithmus zur Ortung von Fahrzeugen in Stadtgebieten Prof. Dr. Paul Rawiel HFT Stuttgart auf Basis der Bachelor-Arbeit
MehrRadgetriebene Systeme
Radgetriebene Systeme Mobilität, Räder Räder benötigen weniger Energie und erlauben eine schnellere Fortbewegung (auf entsprechendem Terrain) Benötigen Kinematische Gleichungen, d.h. Beschreibungen wie
Mehr5.Tutorium Multivariate Verfahren
5.Tutorium Multivariate Verfahren - Hauptkomponentenanalyse - Nicole Schüller: 27.06.2016 und 04.07.2016 Hannah Busen: 28.06.2016 und 05.07.2016 Institut für Statistik, LMU München 1 / 18 Gliederung 1
MehrStochastische Selbstlokalisation I
Stochastische Selbstlokalisation I Thomas Röfer Unsicherheit Probabilistischer Ansatz Modelle für Bewegung und Wahrnehmung Gitterkarten Monte Carlo Methode Rückblick Architektur der Rollstühle Verteilt
MehrEinführung in die Robotik
Einführung in die Robotik Vorlesung 7 13 Januar 2009 Dr. Mohamed Oubbati Institut für Neuroinformatik WS 2008/2009 Wiederholung vom letzten Mal! Signalverarbeitungskette Bewegungsregelung A/D Wandler D/A
Mehr10 Untermannigfaltigkeiten
10. Untermannigfaltigkeiten 1 10 Untermannigfaltigkeiten Definition. Eine Menge M R n heißt k-dimensionale Untermannigfaltigkeit des R n, 1 k n, falls es zu jedem a M eine offene Umgebung U R n von a und
MehrEinführung in die Robotik
Einführung in die Robotik Vorlesung 10 5 Februar 008 Dr. Mohamed Oubbati Institut für Neuroinformatik WS 007/008 Heutiges Thema: Navigation Navigation Wie bewege ich mich sinnvoll in meiner Umgebung? Hindernisse
MehrKartografierung und Selbstlokalisation
Kartografierung und Selbstlokalisation Thomas Röfer Selbstlokalisation Karten Kartografierung Parti-Game Rasterbasierte Kartografierung Rückblick Odometrie und lokale Karten Metrische Positionen y Odometrie
MehrEinleitung 2. 1 Koordinatensysteme 2. 2 Lineare Abbildungen 4. 3 Literaturverzeichnis 7
Sonja Hunscha - Koordinatensysteme 1 Inhalt Einleitung 2 1 Koordinatensysteme 2 1.1 Kartesisches Koordinatensystem 2 1.2 Polarkoordinaten 3 1.3 Zusammenhang zwischen kartesischen und Polarkoordinaten 3
MehrIndoor-Navigation ermöglicht den Einsatz neuer Technik für Mensch und Maschine
Indoor-Navigation ermöglicht den Einsatz neuer Technik für Mensch und Maschine Zusammenfassung Die Indoor-Navigation gewinnt mit der steigenden Digitalisierung und Automatisierung von Unternehmensprozessen
MehrComputergrafik 1 Transformationen
Computergrafik 1 Transformationen Kai Köchy Sommersemester 2010 Beuth Hochschule für Technik Berlin Überblick Repräsentationen, Primitiven Transformationen in 2D Skalierung Translation Rotation Scherung
MehrVerkehr Analyse. Inhalt. Was ist Verkehr Analyse? Geschichte der Verkehr Analyse. Iavor Jelev Jintao Ding
Inhalt Verkehr Analyse Iavor Jelev Jintao Ding Was ist Verkehr Analyse? Wozu ist die Verkehr Analyse gut? Wie kann man Verkehr Analyse machen? Anwendungsbeispiele Algorithmen für Verkehr Analyse Geschichte
MehrVerfahren zur autonomen bildgestützten Navigation
Verfahren zur autonomen bildgestützten Navigation DGLR Workshop, 14. - 15.2.2007 Führungsaspekte unbemannter Luftfahrzeuge: Technologien und die Einbeziehung des Operateurs N. Schweyer, MBDA LFK-Lenkflugkörpersysteme
MehrPanoramic Image Processing and Route Navigation
Panoramic Image Processing and Route Navigation Verarbeitung von Panoramabildern und Routennavigation Promotionskolloquium von Dipl. Inform. Thomas Röfer FB3 Informatik Universität Bremen Gliederung Verarbeitung
MehrMathematik I Pflichtteil - Nachtermin Aufgabe P 1. Klasse: Platzziffer: Punkte:
Prüfungsdauer: Abschlussprüfung 2006 150 Minuten an den Realschulen in Bayern R4/R6 Mathematik I Pflichtteil - Nachtermin Aufgabe P 1 Name: Vorname: Klasse: Platzziffer: Punkte: P 1.0 Gegeben sind der
MehrRudolf Brinkmann Seite und W = {x 3 x 6}
Rudolf Brinkmann Seite 0.0.008 Lineare Funktionen Es soll der Graph der Funktion f = {,y y = f() = } in den Bereichen D { } = und W = { 6} - - 0 f() = -6-0 6 9 erstellt werden. 6 6 5 0 Definition Eine
MehrPCA based feature fusion
PCA based feature fusion Seminar Inhaltsbasierte Bildsuche WS 04/05 Übersicht Motivation: PCA an einem Beispiel PCA in der Bildsuche Tests Zusammenfassung / Ausblick Diskussion / Demo 2 Motivation: PCA
MehrAusgleichungsrechnung - nach der Methode der kleinsten Quadrate -
Computer Vision Ausgleichungsrechnung - nach der Methode der kleinsten Quadrate -.6.5 Problem Beispiel: Bestimmung der Parameter einer Gerade bei gegebenen x und fehlerhaften y y = ax+ b Beschreibung der
MehrProf. J. Zhang Universität Hamburg. AB Technische Aspekte Multimodaler Systeme. 28. Oktober 2004
zhang@informatik.uni-hamburg.de Universität Hamburg AB Technische Aspekte Multimodaler Systeme zhang@informatik.uni-hamburg.de Inhaltsverzeichnis 2. Koordinaten eines Manipulator.................. 32 Warum
MehrMaterialflusssystemen
Seite 1 / 21 Topographieerfassung und Berechnung von Bewegungsbahnen für Instandhaltungseinheiten auf Materialflusssystemen Dipl.-Ing. Matthias Bücker Dipl.-Ing. Tobias Brutscheck Teilprojektleiter: Prof.
MehrEntwicklung eines fächerartigen Distanzmesssystems zur Messung von Rotorblättern. Konzept, Orientierung und erste Ergebnisse
Entwicklung eines fächerartigen Distanzmesssystems zur Messung von Rotorblättern Konzept, Orientierung und erste Ergebnisse Martina Göring M.Sc. & Prof. Dr. Thomas Luhmann AUFGABENSTELLUNG Entwicklung
MehrDatenanalyse. (PHY231) Herbstsemester Olaf Steinkamp
PHY3 Herbstsemester 04 Olaf Steinkamp Physik-Institut der Universität Zürich Winterthurerstrasse 90 CH-8057 Zürich olafs@physik.uzh.ch Büro: 36-J- Tel.: 044-635.57.63 Vorlesungsprogramm Einführung, Messunsicherheiten,
MehrIntegration eines pneumatischen Roboters in die Robotics API
Integration eines pneumatischen Roboters in die Robotics API Ziel: Integration eines AirArms in die Robotics API und Umsetzung eines Demo-Anwendung Idee: Die MRK (Mensch Roboter Kooperation) bekommt zunehmend
MehrProbeklausur Optimierung
Universität Hamburg Fakultät für Mathematik, Informatik und Naturwissenschaften Dr. Nico Düvelmeyer Hamburg, 4. Juli 2011 Probeklausur Optimierung Bitte selber ausfüllen: Name: (darf anonymisiert werden)
MehrLineare Gleichungssysteme mit Dünnheitsrestriktionen
Lineare Gleichungssysteme mit Dünnheitsrestriktionen Institut für Mathematik Johannes Gutenberg-Universität Mainz Studienorientierung BISS Mainz, 7. November 2011 Motivierendes Beispiel: Decodierung Betrachten
MehrSchnelle s Pose-Tracking auf Laserscan-Daten für autonome mobile Roboter
F r a u n h o f e r S e r i e s i n Information and Communication Technology B a n d 7 / 2 0 0 4 Kai Lingemann Schnelle s Pose-Tracking auf Laserscan-Daten für autonome mobile Roboter. S h a k e r V e
MehrODE-Solver. Inhalt. Einleitung. grundlegende Algorithmen. weiterführende Algorithmen
Martin Reinhardt angewandte Mathematik 8. Semester Matrikel: 50108 ODE-Solver 11. Mai 2011 Inhalt Einleitung grundlegende Algorithmen weiterführende Algorithmen Martin Reinhardt (TUBAF) 1 Orientierung
MehrVorlage für das Schulcurriculum Qualifikationsphase
Vorlage für das Schulcurriculum Qualifikationsphase Grundkurs/grundlegendes Anforderungsniveau Kompetenzen/ Fähigkeiten L1 Leitidee: Algorithmus und Zahl - lösen lineare Gleichungssysteme mithilfe digitaler
MehrDistributed Algorithms. Image and Video Processing
Chapter 6 Optical Character Recognition Distributed Algorithms for Übersicht Motivation Texterkennung in Bildern und Videos 1. Erkennung von Textregionen/Textzeilen 2. Segmentierung einzelner Buchstaben
MehrProseminar Künstliche Intelligenz: Wahrnehmung
Proseminar Künstliche Intelligenz: Wahrnehmung Sommersemester 2011 Computer Science Department Group Inhalt Department of Informatics 1 Sensoren 2 Bildverarbeitung Kantenerkennung 3D-Informationen extrahieren
MehrEin Structure and Motion Ansatz zur Umfeldrekonstruktion in komplexen Fahrzeugumgebungen
Sicherheit durch Fahrerassistenz 2010 Ein Structure and Motion Ansatz zur Umfeldrekonstruktion in komplexen Fahrzeugumgebungen Wojciech Derendarz, Thorsten Graf Volkswagen AG Friedrich M. Wahl TU Braunschweig,
MehrLinien- / Flächenfindung in Bildern der PMD-3D-Kamera. Hochschule für Technik und Wirtschaft Dresden
Linien- / Flächenfindung in Bildern der PMD-3D-Kamera Angelos Drossos Marius Vopel Christian Lenke Hochschule für Technik und Wirtschaft Dresden Fakultät Informatik / Mathematik Fachgebiet Künstliche Intelligenz
MehrDarstellungsformen von Funktionen
http://www.flickr.com/photos/ishida/1805420435/in/pool-streetlampsoftheworld Darstellungsformen von Funktionen 1 E X f (x) Y Abb. 1: Konzept einer Funktion f (x): Abbildung einer Menge auf die andere Die
MehrVortrag 20: Kurze Vektoren in Gittern
Seminar: Wie genau ist ungefähr Vortrag 20: Kurze Vektoren in Gittern Kerstin Bauer Sommerakademie Görlitz, 2007 Definition und Problembeschreibung Definition: Gitter Seien b 1,,b k Q n. Dann heißt die
MehrApproximation flächenhaft harmonischer Funktionen mittels bikubisch finiter Elemente
. Session 6: Theoretische Geodäsie Approximation flächenhaft harmonischer Funktionen mittels bikubisch finiter Elemente 1 Jessica Franken Institut für Geodäsie und Geoinformation Professur für Theoretische
Mehr5. Geraden und Ebenen im Raum 5.1. Lineare Abhängigkeit und Unabhängigkeit von Vektoren
5 Geraden und Ebenen im Raum 5 Lineare Abhängigkeit und Unabhängigkeit von Vektoren Definition: Die Vektoren a,a,,a n heißen linear abhängig, wenn mindestens einer dieser Vektoren als Linearkombination
MehrWas ist Robotik? Robotik heute:
Grundlagen Was ist Robotik? Das Wort Robot / Roboter entstand 92 in einer Geschichte von Karel Ċapek und geht auf das tschechische Wort robota (rbeit, Fronarbeit) zurück. Dessen Ursprung ist das altkirchenslawische
MehrHindernisfreie Trajektorien und lokale Ausweichstrategien mit Hilfe eines Missionsplanungssystems
Hindernisfreie Trajektorien und lokale Ausweichstrategien mit Hilfe eines Missionsplanungssystems Philipp Crocoll, Justus Seibold, Natalie Frietsch, Gert F. Trommer - ITE KIT Universität des Landes Baden-Württemberg
MehrKlausur zur Mathematik I (Modul: Lineare Algebra I)
Technische Universität Hamburg-Harburg Institut für Mathematik Prof. Dr. Wolfgang Mackens Wintersemester 03/04 Klausur zur Mathematik I (Modul: Lineare Algebra I) 04.0.04 Sie haben 60 Minuten Zeit zum
MehrTest 2 Musterlösung. Name, Nummer: Datum: 17. Juni 2017
Test 2 Musterlösung Brückenkurs Physik donat.adams@fhnw.ch www.adams-science.org Name, Nummer: Datum: 17. Juni 2017 1. Citroën 2CV C5H817 Ein elektrifizierter Döschwo (Citroën 2CV) überholt mit 202.73
MehrAutonom-Explorierender Hexapod-Roboter
Fachbereich 4: Informatik Autonom-Explorierender Hexapod-Roboter Bachelorarbeit zur Erlangung des Grades Bachelor of Science im Studiengang Computervisualistik vorgelegt von Christian Schlöffel Betreuer:
MehrInteraktives 3D Sportfernsehen
Warum das Volumen eines 54-dimensionalen Hyperellipsoids und die Bewegungen des menschlichen Körpers eine bijektive Abbildung bilden können Cornelius Malerczyk, ZGDV, Darmstadt (1) Interaktives 3D Fernsehen
Mehr6. KIRAS Fachtagung 18. Oktober 2016, Wien. RelCon. Reliable Control of Semi-Autonomous Platforms
6. KIRAS Fachtagung 18. Oktober 2016, Wien Reliable Control of Semi-Autonomous Platforms Verlässliche Führung semi-autonomer Fahrzeuge Förderprogramm: KIRAS Fördergeber: BMVIT / FFG Budget: Gesamt: ca.
MehrLösbarkeit linearer Gleichungssysteme
Lösbarkeit linearer Gleichungssysteme Lineares Gleichungssystem: Ax b, A R m n, x R n, b R m L R m R n Lx Ax Bemerkung b 0 R m Das Gleichungssystem heißt homogen a A0 0 Das LGS ist stets lösbar b Wenn
MehrMannigfaltigkeiten und Integration I
und Integration I Martin Jochum 16. Dezember 2008 und Integration I 16. Dezember 2008 1 / 28 Gliederung Definition Folgerungen Tangentialvektoren Differentialformen Euklidische Simplizes Definition Motivation
MehrPOSITRON ein sicheres Ortungssystem
POSITRON ein sicheres Ortungssystem Dipl.-Ing. Katrin Gerlach, DLR POSITRON- ein sicheres Ortungssystem > 24. Oktober 2008 > Folie 1 Gliederung Ortung im Schienenverkehr Motivation für fahrzeugseitige
MehrAlgorithmen für geographische Informationssysteme. 6. Vorlesung: 14. Mai 2014
Algorithmen für geographische Informationssysteme 6. Vorlesung: 14. Mai 2014 Ausgleichung bei linearem funktionalen Modell Beispiel 2: Ausgleichung von Höhendifferenzen P 2 Δh 2,3 = 7.0 m P 3 Δh 1,2 =
MehrFarbmomente. Christoph Sommer Seminar Inhaltsbasierte Bildsuche
Farbmomente Seminar Inhaltsbasierte Bildsuche Farbmomente Einleitung und Motivation Statistische Momente Geometrische Momente Macht der Momente Hu-Momente Orthogonale Basen für Momente Generalisierte Farbmomente
Mehr