Kartografierung und Selbstlokalisation Thomas Röfer Selbstlokalisation Karten Kartografierung Parti-Game Rasterbasierte Kartografierung
Rückblick Odometrie und lokale Karten Metrische Positionen y Odometrie Bewegungsmodell y w α x w (x r,y r ) (x 0,y 0 ) yh xh α r α 0 α r ( x, y) d (x,y) x Generalisierung Lokale Karten Virtuelle Sensoren 224cm, 75, 799cm, -83, 880cm, -87, 260cm Kognitive Robotik I Kartografierung und Selbstlokalisation 2
Karten und Selbstlokalisation Kognitive Robotik I Kartografierung und Selbstlokalisation 3
Ansätze zur Selbstlokalisation Ansätze zur Selbstlokalisation 224cm, 75, 799cm, -83, 880cm, -87, 260cm Ohne bekannte Startposition Weiterführen einer bekannten Position Kognitive Robotik I Kartografierung und Selbstlokalisation 4
Selbstlokalisation mit Landmarken Ansätze zur Selbstlokalisation Selbstlokalisation mit Landmarken Nur Peilung R = L + i d i cos sin ( γ H + αi ) ( γ + α ) H i Kognitive Robotik I Kartografierung und Selbstlokalisation 5
Selbstlokalisation mit Landmarken Ansätze zur Selbstlokalisation Selbstlokalisation mit Landmarken Nur Peilung Peilung und Rotation horizontale Ebene sphärischer Spiegel Kamera?! Kognitive Robotik I Kartografierung und Selbstlokalisation 6
Selbstlokalisation mit Landmarken Ansätze zur Selbstlokalisation Selbstlokalisation mit Landmarken Nur Peilung Peilung und Rotation Peilung, Rotation und Entfernung Kognitive Robotik I Kartografierung und Selbstlokalisation 7
Selbstlokalisation mit Landmarken Ansätze zur Selbstlokalisation Selbstlokalisation mit Landmarken Nur Peilung Peilung und Rotation Peilung, Rotation und Distanz Nur Distanzen R 1 d = L i R i d 1? d 2 R 2 L Kognitive Robotik I Kartografierung und Selbstlokalisation 8
Karten Aspektkarten Kar te, die; -, -n [spätmhd. karte = steifes Blatt Papier... 6. kurz für Landkarte, Himmelskarte, Sternkarte: eine physikalische (die natürlichen Formen, Ebenen, Gebirge usw. in der Farbgebung herausarbeitende ), eine politische (viele Ortschaften sowie die Staaten u. ihre Grenzen verzeichnende), eine historische (historische, ehemalige Verhältnisse, Gegebenheiten verzeichnende) K. Aspektkarten Kognitive Robotik I Kartografierung und Selbstlokalisation 9
Karten In der Robotik Selbstlokalisation mit Landmarken Nur Peilung Peilung und Rotation Peilung, Rotation und Distanz Nur Distanzen Karten Aspektkarten In der Robotik Kognitive Robotik I Kartografierung und Selbstlokalisation 10
Karten Metrische Zielvorgaben Selbstlokalisation mit Landmarken Nur Peilung Peilung und Rotation Peilung, Rotation und Distanz Nur Distanzen Karten Aspektkarten In der Robotik Metrische Zielvorgaben Fahre zu 25,50 m, 42,13 m, 0 Kognitive Robotik I Kartografierung und Selbstlokalisation 11
Karten Metrische Zielvorgaben Selbstlokalisation mit Landmarken Nur Peilung Peilung und Rotation Peilung, Rotation und Distanz Nur Distanzen Karten Aspektkarten In der Robotik Metrische Zielvorgaben unzureichend? Kognitive Robotik I Kartografierung und Selbstlokalisation 12
Karten Zusatzinformationen Selbstlokalisation mit Landmarken Nur Peilung Peilung und Rotation Peilung, Rotation und Distanz Nur Distanzen Karten Aspektkarten In der Robotik Metrische Zielvorgaben unzureichend Anreicherung mit Zusatzinformationen Fahre in die Küche Fahre vor den Kühlschrank Kognitive Robotik I Kartografierung und Selbstlokalisation 13
Kartografierung Odometrie-basiert Kartografierung Odometrie-basiert Kognitive Robotik I Kartografierung und Selbstlokalisation 14
Kartografierung Scan-Überdeckung Kartografierung Odometrie-basiert Durch Scan-Überdeckung Kognitive Robotik I Kartografierung und Selbstlokalisation 15
Kartografierung Ortsintegration Kartografierung Odometrie-basiert Durch Scan-Überdeckung Ortsintegration Frage Ist die aktuelle Position bereits in der Karte verzeichnet? Wenn ja, wo? Lösung Durch Ähnlichkeit der Sensormessungen Durch Metrik (erfordert hohe Präzision) Durch Ähnlichkeit des Umfeldes, d.h. auch früherer und späterer Messungen (oft mit Stochastik) Kognitive Robotik I Kartografierung und Selbstlokalisation 16
Kartografierung Messfehler Kartografierung Odometrie-basiert Durch Scan-Überdeckung Ortsintegration Messfehler Kognitive Robotik I Kartografierung und Selbstlokalisation 17
Kartografierung Sensorfusion Kartografierung Odometrie-basiert Durch Scan-Überdeckung Ortsintegration Messfehler Sensorfusion Kognitive Robotik I Kartografierung und Selbstlokalisation 18
Kartografierung 3D Kartografierung Odometrie-basiert Durch Scan-Überdeckung Ortsintegration Messfehler Sensorfusion 3D bekannt unbekannt Kognitive Robotik I Kartografierung und Selbstlokalisation 19
Parti-Game Aufteilung Kartografierung Odometrie-basiert Durch Scan-Überdeckung Ortsintegration Messfehler Sensorfusion 3D Parti-Game Hindernisabhängige Aufteilung Kognitive Robotik I Kartografierung und Selbstlokalisation 20
Parti-Game Zellen Kartografierung Odometrie-basiert Durch Scan-Überdeckung Ortsintegration Messfehler Kosten: Entfernung oder oder,, Sensorfusion falls falls kein kein Übergang möglich 3D Parti-Game Hindernisabhängige Aufteilung Zellen und Zellübergänge Kognitive Robotik I Kartografierung und Selbstlokalisation 21
Parti-Game Simulation Kartografierung Odometrie-basiert Durch Scan- Überdeckung Ortsintegration Messfehler Sensorfusion 3D Parti-Game Hindernisabhängige Aufteilung Zellen und Zellübergänge Simulation Kognitive Robotik I Kartografierung und Selbstlokalisation 22
Parti-Game Rollstuhl Kartografierung Odometrie-basiert Durch Scan- Überdeckung Ortsintegration Messfehler Sensorfusion 3D Parti-Game Hindernisabhängige Aufteilung Zellen und Zellübergänge Simulation Rollstuhl Kognitive Robotik I Kartografierung und Selbstlokalisation 23
Rasterbasiert Korrelation Rasterbasierter Kartenaufbau Kreuzkorrelation C( x, y, Θ) = P( x, y, Θ) P ( x + x, y + y, Θ + Θ) x y Kognitive Robotik I Kartografierung und Selbstlokalisation 24
Rasterbasiert Verschiebung/Rotation Rasterbasierter Kartenaufbau Kreuzkorrelation Trennung von Verschiebung und Rotation Kognitive Robotik I Kartografierung und Selbstlokalisation 25
Rasterbasiert Schnelle Kreuzkorr. Rasterbasierter Kartenaufbau Kreuzkorrelation Trennung von Verschiebung und Rotation Schnelle Kreuzkorrelation C( x, y) = P( x, y) P ( x + x, y + y) x y C( Θ) = P( Θ) P ( Θ + Θ) x y Kognitive Robotik I Kartografierung und Selbstlokalisation 26
Rasterbasiert Ultraschall Rasterbasierter Kartenaufbau Kreuzkorrelation Trennung von Verschiebung und Rotation Schnelle Kreuzkorrelation Ultraschall Original Korrektur Kognitive Robotik I Kartografierung und Selbstlokalisation 27
Rasterbasiert Laserscan Rasterbasierter Kartenaufbau Kreuzkorrelation Trennung von Verschiebung und Rotation Schnelle Kreuzkorrelation Ultraschall Laserscan Original Korrektur Kognitive Robotik I Kartografierung und Selbstlokalisation 28