Praktikum Autonome mobile Roboter

Betreuer: M. Beetz, W. Burgard, A.B. Cremers, D. Fox.

Stud. Hilfskraefte: Arno Buecken und Markus Giesenschlag

Inhalt der Veranstaltung: Wie schon in den vergangenen Semestern werden wir auch dieses Jahr wieder ein Praktikum zum Thema mobile Robotik anbieten. Im Vordergrund werden dabei die Erarbeitung und die Implementation von allgemeinen Steuer- und Lernprinzipien sein, die es ermöglichen sollen, mobile Roboter als Service- und Assistenzroboter einzusetzen. Eine genaue Themenabsprache findet bei und nach der Vorbesprechung statt.

Zeit und Raum: Nach Absprache.

Beginn: Semesterbeginn, bei Bedarf auch schon in den Semesterferien.

Vorbesprechung: 4.07.96, 15 Uhr s.t., A 111.

Vortragsmodus: Gruppenvortraege.

Themen:

• Integration von Laser Range Finder

Betreuer: W. Burgard und D. Fox.

Gruppe: Johannes Esch, Smailbegaovic Fethulah und Mike Hassel.

Im aktuellen RHINO-System basieren die Module zum Kartenbau, der Wegeplanung und der Kollisionsvermeidung vorwiegend auf Sonardaten.

• Arbeitsschwerpunkte:
  • Auslesen der Laser Range Finder Daten
  • Integration der Entfernungsinformationen in die Kollisionsvermeidung
• Literatur:
  • The Dynamic Window Approach to Collision Avoidance
  • Map Learning and High-Speed Navigation in RHINO
• Instruierbarer Tourguide

  Betreuer: M. Beetz.

  Studenten: Gunter Blacke, Sait Guersoy und Michael Hallenberger

  RHINO ist mit einer Karte eines Teils des ersten Stockwerkes ausgestattet, die auf der Basis von Sonardaten erstellt wurde.

  Phase 1: Erlernen einer Tour: RHINO sucht nach einer Person, geht zu ihr und fragt sie nach einer Tour. RHINO folgt der Person und erlernt die gezeigte Tour bis die Person das Ende der Tour anzeigt. Immer wenn die Person stehen bleibt und auf eine markante Stelle zeigt merkt sich RHINO die entsprechende Stelle.

  Phase 2: Ausfuehrung einer Tour: RHINO sucht nach einer Person, um dieser Person die gerade eben erlernte Tour zu geben.

• Arbeitsschwerpunkte:
  • Detektion von Personen basierend auf Sonardaten und Kamerabildern
  • Folgen von Personen in einem bestimmten Abstand
  • Erkennen einfacher Gestiken oder Spracheingaben
• Literatur:
  • I. Horswill: Specialization of Perceptual Processes
  • Map Learning and High-Speed Navigation in RHINO
• Wiedererkennen markanter Stellen mit der Kamera

  Betreuer: M. Beetz.

  Studenten: Henrik Grosskreutz, Alexander Haegele und Lascort Ngbwa

  RHINO ist mit einer Karte eines Teils des ersten Stockwerkes ausgestattet, die auf der Basis von Sonardaten erstellt wurde.

  RHINO sucht eigenstaendig mit Hilfe der Karte seine Umgebung nach Bildern und Tuerschildern ab. Fuer diese Bilder und Tuerschilder speichert RHINO eine Image Signature und die Position des Bildes ab.

  Danach wird RHINO irgendwo in der Umgebung plaziert und soll dann moeglichst schnell seine Position dadurch bestimmen, dass er nach Bildern und Tuerschildern sucht und diese wiedererkennt.

  • Arbeitsschwerpunkte:
    • Detektion von Bildern und Tuerschildern in Kamerabildern
    • Absuchen aller Waende
    • Entwicklung geeigneter Image Signatures und abspeichern von Positionen
  • Literatur:
    • S. Engelson: Image Signatures
    • R. Nelson: Image Signatures
    • Museums Gallery Algorithm
    • Map Learning and High-Speed Navigation in RHINO
• Kanalroboter (GMD)

Betreuer: Herbert Jaeger.

Gruppe: Dieter Kutzera, Patrick Lay und Dirk Simon.

Manuals:

• RHINO related documentation

RHINO Homepage:

Literatur:

• Map Learning and High-Speed Navigation in RHINO
• The Mobile Robot RHINO

Relevante WWW Seiten: