Kartierung und Lokalisation durch mobile Serviceroboter unter der Annahme unbekannter aber begrenzter Sensorfehler

Durch mobile Serviceroboter, ausgestattet mit Sensorik zur Umgebungswahrnehmung, lassen sich heutzutage eine Vielzahl von Aufgabenstellungen bewältigen. Die sensorielle Wahrnehmung kann dabei nie fehlerfrei sein. Verfahren zur Navigation eines mobilen Serviceroboters müssen daher stets Annahmen über die in den Sensordaten auftretenden Fehler treffen, um diese in den weiteren Verarbeitungsschritten angemessen berücksichtigen zu können. Thema der Studie ist die Untersuchung eines bisher relativ unbekannten Ansatzes zur Modellierung von Sensorfehlern, sowie dessen Anwendung durch Verfahren zur Kartierung und zur Lokalisation eines mobilen Serviceroboters. Im Gegensatz zu gängigen Verfahren der probabilistischen Robotik werden die Sensormodelle hier mit Hilfe der Intervallarithmetik aufgestellt. Diese Modelle basieren auf der Annahme, dass stets äußere, garantierte Grenzen für die auftretenden Sensorfehler angegeben werden können. Man spricht von unbekannten aber begrenzten Fehlern, da die exakte Fehlercharakteristik innerhalb der Grenzen unbekannt ist. Zur Kartierung werden zunächst zwei Kartenmodelle aufgestellt. Es handelt sich dabei um metrische Kartenmodelle mit variabler Zellengröße, die eine effiziente und dynamische Aufteilung des kartierten Raumes bieten und durch hierarchische Datenstrukturen repräsentiert werden können. Anschließend wird ein Verfahren entwickelt, das mit Hilfe der neu aufgestellten Sensormodelle Umgebungskarten in diesen Kartenformaten erstellen kann. Um sowohl die inkrementelle als auch die globale Lokalisation eines Serviceroboters zu ermöglichen, werden zwei Verfahren präsentiert. Beide Verfahren basieren auf den neu aufgestellten Sensormodellen und können sowohl auf Linienkarten als auch auf den vorab entwickelten Kartenmodellen durchgeführt werden. Zur Bewertung der entwickelten Ansätze werden diese jeweils sowohl simulativ als auch in realen Innenumgebungen experimentell untersucht. Es wird ein qualitativer Vergleich mit gängigen Verfahren der probabilistischen Robotik durchgeführt.