Vision-based topological mapping and localisation

Zuverlässige Navigation ist eine wichtige Voraussetzung damit ein autonomer mobiler Roboter seine Aufgaben erfüllen kann. Die heutzutage erfolgreichsten Ansätze zur Navigation basieren auf geometrisch detaillierten Karten die ein Roboter als interne Repräsentation der Umgebung verwendet. Aufgrund von perzeptuellem Aliasing und Messrauschen ist der Aufbau und Anwendung geometrischer Umgebungskarten zur Navigation schwierig. Des weiteren ist die Verwendung geometrischen Umgebungskarten sehr rechenintensiv, da große Mengen an Daten verarbeitet werden müssen. Diese Dissertation beschäftigt sich mit dem Problem von Bild-basiertem topologischen Kartenaufbau und Lokalisation zur Navigation mobiler Roboter. Eine topologische Karte modelliert die Umgebung in Form eines Graphen und ist daher eine prägnante und kompakte Repräsentation der Umgebung die skalierbar ist und einfach manipuliert werden kann. Topologische Karten sind deshalb hervorragend zur einfachen Navigation von mobilen Robotern geeignet und bilden eine repräsentative semantische Grundlage für kompliziertere Navigationsaufgaben. Um bild-basierte topologische Navigation für kostengünstige mobile Roboter für den Massenmarkt anwendbar zu machen, schlagen wir vor, wichtige Orte in einer Umgebung durch deren visuelle Erscheinung zu repräsentieren. Die visuelle Erscheinung wird mit Hilfe von Farbhistogrammen beschrieben. Der Ansatz für die Repräsentation von Orten durch visuelle Erscheinung basiert auf der Tatsache, dass Farbhistogramme nur langsam variieren wenn das Blickfeld eines fahrenden Roboters ändert. Daher beschreibt ein Ort vielmehr eine Region in einer Umgebung als eine spezielle Position. Experimente in einer Büroumgebung zeigen, dass eine topologische Karte, in der Orte durch visuelle Erscheinung und geometrischer Information beschrieben sind, genügend Information enthält, um einen Roboter im geometrischen Sinne zuverlässig zu lokalisieren. Viele Methoden zur topologischen Kartierung erstellen eine Karte durch die Kategorisierung von visuellen Beobachtungen, wobei jede Kategorie einen Ort beschreibt. Aufgrund von perzeptuellem Aliasing können Beobachtungen von verschiedenen Orten derselben Ortskategorie zugeordnet werden, was zu fehlerhaften Karten führt. In dieser Dissertation wird ein neuer Ansatz beschrieben, um das Problem von perzeptuellem Aliasing beim topologischen Kartenaufbau zu bewältigen. Wir schlagen vor, Nachbarschaften von Orten zu betrachten, um Orte zu differenzieren, die ansonsten nicht zu unterscheiden sind. Dieser Ansatz zur Unterscheidung von Orten wird in eine stochastische lokale Suche eingebaut, um eine topologische Karte zu erstellen. Experimente zeigen, dass es mit der vorgeschlagenen Methode möglich ist, Umgebungen effizient zu kartieren in denen der Roboter einem hohen Maß an perzeptuellem Aliasing ausgesetzt ist. Außerdem wird der Ansatz zur Differenzierung von Orten durch Nachbarschaftsinformation in ein Verfahren für die gleichzeitige Lokalisierung und Kartierung integriert. Es wird keine vorgeschaltete Kategorisierung der Daten benötigt. Experimente zeigen die erfolgreiche Anwendung von dieser Methode in einer Büroumgebung.