Andreas Nüchter - Press
Jacobs University EECS COSYP CASE Legal

 

2008

  • Spektrum der Informatik, April 2008.
    Das Titelbild zeigt drei Ansichten des Martkplatzes der oesterreichischen Stadt Horn als 3D-Punktwolke. Zu sehen ist, wie mehrere 3D-Scans, die von unterschiedlichen, nicht genau bekannten Positionen aufgenommen wurden, zu einem konsistenten Geometriemodell zusammengesetzt werden. Die dazu notwendigen Algorithmen loesen das so genannte SLAM-Problem. SLAM (Simultaneous Localization And Mapping, Deutsch: das Problem der gleichzeitigen Lokalisation undKartierung) ist eine Technik, die autonome Roboter verwendet, um eine Karte ihrer Umgebung zu erstellen.Dies ist nicht trivial, da in diesemhochdimensionalen Schaetzsystem die Ungenauigkeiten verschiedener Sensoren integriert werdenmuessen. Die Loesung des SLAM-Problems ist eine wesentlicheVoraussetzung, dass Roboter ,,wahre Autonomie erreichen koennen. Die aktuelle Forschung hat probabilistische Algorithmen zur Loesung des SLAM-Problems entwickelt, Ungenauigkeiten in den Messdaten werden dabei durch Wahrscheinlichkeitsverteilungen explizit modelliert. Allen SLAM-Algorithmen ist gemein, dass die verrauschten Sensordaten eines Roboter so zusammengefuegt werden, dass ein konsistentes Umgebungsmodel entsteht. Die Roboterpose (Roboterposition und Orientierung), beispielsweise durch Radumdrehungen geschaetzt, ist nur sehr ungenau bekannt, die anderen Sensordaten muessen daher diese Schaetzung korrigieren. Diese anderen Sensordaten koennen zum Beispiel Kameras, taktile Sensoren oder Entfernungsmessgeraete, wie zum Beispiel Sonar und Laserscanner, sein. Diese unterliegen aber ebenfalls Messfehlern. Da die Messfehler in der Robotik statistisch abhaengig sind, kann man nicht einfach ueber viele Messungen mitteln und hoffen, dass sich das Rauschen minimiert. Die Loesung des Problems liegt bei den so genannten geschlossenen Kreisen. Detektiert ein Roboter, dass er eine Position erreicht hat, an der er schon einmal war, kann diesesWissen dazu verwendet werden, die entstandenen Mess- und Schaetzfehler zu beschraenken. Auf dem Titel sind Ergebnisse aus drei Teilschritten eines neuen Algorithmus zur Loesung des SLAM Problems abgebildet. Hierbei werden die Posen mit sechs Freiheitsgraden repaesentiert, so dass auch Umgebungen im Freien kartiert werden koennen. Die oben abgebildete, anfaengliche Schaetzung der Pose wird inkrementell verbessert, bis schliesslichich der Fehler minimal wird (unten). Der linke Teil der Abbildung stellt die Szene in einer Ansicht aus der Vogelperspektive dar. Der mittlere und rechte Teil zeigen zwei Detailansichten. Weitere Informationen und Animationen finden sich in Dorit Borrmann, Jan Elseberg, Kai Lingemann, Andreas Nuechter und Joachim Hertzberg. Globally consistent 3D mapping with scan matching. Journal of Robotics and Autonomous Systems, 2008, bzw. auf der Webseite http://www.informatik.uniosnabrueck. de/nuechter/videos.html Eine Einfuehrung in das SLAMProblem findet sich in: Sebastian Thrun. Robotic Mapping: A Survey. In: Exploring Artificial Intelligence in theNew Millennium. Gerhard Lakemeyer, Bernhard Nebel (Editor), Seite 1 -- 35, 2003. Die Daten wurden freundlicherweise zur Verfuegung gestellt von RIEGL LMS GmbH (www.riegl.co.at).
    local copy cover picture [JPG], local text [JPG], local text [PDF], Springer link [PDF]

2007

2006

2005

2004

  • Heise Ticker, Summer 2004.

2003
Last changed: 2009-08-05