1 / 37

Navigation Autonomer Mobiler Systeme

Navigation Autonomer Mobiler Systeme. Füßgängernavigation Veranstalter Prof. Dr. Bernd Krieg-Brückner Dr. Bernd Gersdorf Hoang Thach Vu Saber Bedoui Bremen 06-12-2007. Navigation Autonomer Mobiler Systeme Füßgängernavigation. Inhalt : Anwendungsbereiche Besonderheiten

zach
Download Presentation

Navigation Autonomer Mobiler Systeme

An Image/Link below is provided (as is) to download presentation Download Policy: Content on the Website is provided to you AS IS for your information and personal use and may not be sold / licensed / shared on other websites without getting consent from its author. Content is provided to you AS IS for your information and personal use only. Download presentation by click this link. While downloading, if for some reason you are not able to download a presentation, the publisher may have deleted the file from their server. During download, if you can't get a presentation, the file might be deleted by the publisher.

E N D

Presentation Transcript

  1. Navigation Autonomer Mobiler Systeme Füßgängernavigation Veranstalter Prof. Dr. Bernd Krieg-BrücknerDr. Bernd Gersdorf Hoang ThachVu SaberBedoui Bremen 06-12-2007

  2. Navigation Autonomer Mobiler SystemeFüßgängernavigation Inhalt: Anwendungsbereiche Besonderheiten Positionierungsteknik AlgorithmenfürPolygonen & GraphenimInnenraum 4.1 AngepassteUmgebungsmodellierung 4.2 Lösungsansatz 4.3 OptimierterAnsatz 5. Räumliche kognitive Landkarte und ein Human-Like Gedächtnis-Modell

  3. Navigation Autonomer Mobiler SystemeFüßgängernavigation Anwendungsbereichen Tourismus Freizeit NavigationshilfefürBehinderteund ältereMenschen, etc.

  4. Navigation Autonomer Mobiler SystemeFüßgängernavigation 2. Besonderheiten Füßgängerbewegenfrei & nichtstreng an Straßengebunden → schwerzurealisieren ErfordertumfangreichenDatenbestand und ModellierungallermöglichenGehwege BenötigteinigeModifikationen an Daten: FüßgängerbrauchenmehrDetailinformationen StraßennichtalsKantensondernalsGehwegedargestellt ObjektewieFüßgängerzonen,Platzüberquerungen, Ampel,Bahn,Busse,Unter-, Überführungen,Parks, dynamischeDaten, ObjektebezogeneInformationenwerdenberücksichtigt

  5. Navigation Autonomer Mobiler SystemeFüßgängernavigation 2. Besonderheiten Genauigkeit: FüßgängerlegtkleinereDistanzenzurück . DurchgeringereGeschwindigkeit und größeresBlickfeldmehr Details in derUmgebungwahrnehmen → HoheSpeicherkapazitäterforderlich und Rechenleistung, die beitragbaren PCs beschränktist ErhöhtsichAnfoderung an GenauigkeitderPositionisierungsverfahren.

  6. Navigation Autonomer Mobiler SystemeFüßgängernavigation 2. Besonderheiten

  7. Navigation Autonomer Mobiler SystemeFüßgängernavigation 2. Besonderheiten Abbildung 3: BesonderheitenderFüßgängernavigationbeimÜberquenrengrößerPlätze

  8. Navigation Autonomer Mobiler SystemeFüßgängernavigation 2. Besonderheiten Abbildung 4: Füßgängerbenutzen in Gebäudennicht den mathematischenkürzestenWeg

  9. Navigation Autonomer Mobiler SystemeFüßgängernavigation 3. Positionierungstecknik Bestimmt die Position kontinuierlich WichtigeKriterien: Transportfähigkeit HohePositionsgenauigkeit Fahrzeugnavisysverwendet relative SensorenzurPositionierung AberbeiFüßgängernistschwerzuverwirklichen → Realisiertmit absoluter Positionierung ZusätzlichwerdenBewegungssensorenverwendetwiezB. Schrittzähler

  10. Navigation Autonomer Mobiler SystemeFüßgängernavigation 3. Positionierungstecknik Absolute Sensoren: lieferndirekteineodermehrereKomponentenderaktuellendreidimensionalen Position des Nutzers GNSS (Global Navigation Satellite System): SehrhoheGenauigkeit SehrexaktePunktbestimmung (< 1m) Nachteile : Die AbschattungderSignaledurchGebäude und derEinfluss des Mehrwegeffektes Speziell negative Auswirkung auf die Positionslösung in bebautenGebieten

  11. Navigation Autonomer Mobiler SystemeFüßgängernavigation 3. Positionierungstecknik Absolute Sensoren: GNSS : Um zuüberdecken und kontinuierliche Positionierungzu ermöglichenmüssen nochweitereSensoren verwendetwerden Abbildung24: Abschattung und Mehrwegeffekteines GNSS (Plasinski et al., 2000)

  12. Navigation Autonomer Mobiler SystemeFüßgängernavigation 3. Positionierungstecknik Absolute Sensoren: LPS: (Local Positioning System) Ähnlichwie GPS, verwendetzurPositiobestimmung in Gebäuden PositionslösungwirdbestimmtmittelsDistanzmessungzwischenmehrerenSendern und Antennen. Die EmpfängersinddirektimGebäudeinstalliert Die Sender sind von den Nutzernmitzuführen Höhenbestimmung, etc…

  13. Navigation Autonomer Mobiler SystemeFüßgängernavigation 3. Positionierungstecknik RelativeSensoren: ZumMessen den zurückgelegteWeg, Geschwindigkeit, Richtungsowie die räumlicheAusrichting und die Beschleunigung

  14. Navigation Autonomer Mobiler SystemeFüßgängernavigation 4.1 AngepassteUmgebungmodellierung Die DarstellungderUmgebungmitKnoten und Kantennichtausreichend ZuermöglichenbeliebigenWeg muss das ModellallebegehbarenFlächenbeschreiben und darfdiesenichtzuStreckenvereinfachen Mit Editor Yamamoto könnensolcheUmgebungsmodellerstelltwerden Die Kanntebesitzen Attribute wie : begehbarfürFüßgängerodernichtbegehbar.

  15. Navigation Autonomer Mobiler SystemeFüßgängernavigation 4.1 AngepassteUmgebungmodellierung Abbildung 5 : BeispielfürpolygonbasiertesUmgebungsmodell

  16. Navigation Autonomer Mobiler SystemeFüßgängernavigation 4.2 AlgorithmenfürPolygonen und Graphen Wichtigsind das Ergebnis (kürzer und schönerWeg), sowieLaufzeit und Speicherplatzverbrauch GrundsätzlicheFrage: Polygon- odergraphbasierterAlgorithmusbessergeeignet? PolygonbasierteAlgorithmen: Wirdverwendetwenn die Modellenichtals Graph vorlagen, sondernalseinNetz von Polygonen. (Abbildung 5)

  17. Navigation Autonomer Mobiler SystemeFüßgängernavigation 4.2AlgorithmenfürPolygonen und Graphen GraphenbasierteAlgorithmen: Algorithmenfür die Wegsuche in folgendeGraphen Abbildung 6: Wegsuche auf dem Campus derUniversitätSaarbrücken

  18. Navigation Autonomer Mobiler SystemeFüßgängernavigation 4.2 AlgorithmenfürPolygonen und Graphen GraphbasierteinformierteSuche: GraphbasierterAlgorithmus, derzielgerichtetsucht und immer den kürzestenWegfindet Ziel: ausvorhandenenpolygonbasiertenUmgebungsmodellen die Wegenetz-Graphenzuerzeugen Zufindeneinen “schönen” Weg muss derWegenetz-Graph möglichstdetailiertsein. AbernichtvieleWegpunkte und Wegkanten um die Sucheeffizientdurchzuführen

  19. Navigation Autonomer Mobiler SystemeFüßgängernavigation 4.2AlgorithmenfürPolygonen und Graphen GraphbasierteinformierteSuche: Abbildung 7 : ErzeugungderWegpunktedurcheinRasterverfahren

  20. Navigation Autonomer Mobiler SystemeFüßgängernavigation 4.3LösungsansatzzurGenerierung von Wegenetzgraphen RasterbasierterAnsatz: ErzeugtWegpunkte in gleichmäßigenAbständen Wegpunkte: Wegpunktewerdennurinnerhalb von Polygonenerzeugt NurmodellierteFlächensindbegehbar Wekkanten: Nur 2 direktbenachbarteWegpunktewerdenverbunden um die AnzahlderWegkantegeringzuhalten. SofernkeineWandkantegeschnittenwird

  21. Navigation Autonomer Mobiler SystemeFüßgängernavigation 4.4OptimierterAnsatz Wegpunkte: WerdennurerzeugtwennBewegungsrichtunggeändertwird BeimÜbergang von einem Polygon ins nächste (beiderÜberquerung von begehbarenPolygonkanten) BeiBewegungeninnerhalbeines Polygons, das nichtkonvexist (beimUmlaufeneinerPolygonecke, die einenWinkel von mehrals 180 Grad einschließt) Wegkanten: Zwischen 2 WegpunktenwirdeineWegkantenerzeugtwennzwischenbeidenPunkteneineSichtliniebesteht (schneidetkeineWandkante)

  22. Navigation Autonomer Mobiler SystemeFüßgängernavigation 4.4 OptimierterAnsatz Abbildung 8: OptimierteErzeugungderWegpunktenur an relevantestellen

  23. Navigation Autonomer Mobiler SystemeFüßgängernavigation 5. Räumliche kognitive Landkarte und ein Human-Like Gedächtnis-Modell Die Umgebung(THI Graph)‏ KognitiveKarte(THI filter)‏ Arbeitsspeicher Landgraph Speichercontroller Abbildung 9: Navigation system architecture

  24. Navigation Autonomer Mobiler SystemeFüßgängernavigation 5.Räumliche kognitive Landkarte und ein Human-Like Gedächtnis-Modell Füßgängervorstellung MenschlicheDenkweise Personelle Vision VirtuelleObjekt Abbildung 10: Füßgänger

  25. Navigation Autonomer Mobiler SystemeFüßgängernavigation 5.Räumliche kognitive Landkarte und ein Human-Like Gedächtnis-Modell Konstruktionvon Polygonen EinsehreinfacheKreuzung GeometrischeFiguren(Polygonen)‏ TopologischeVerbindung SemantischeBedeutung Abbildung 11: Polygon

  26. Navigation Autonomer Mobiler SystemeFüßgängernavigation 5.Räumliche kognitive Landkarte und ein Human-Like Gedächtnis-Modell Umgebung(THI Graph) DieseGraph spielt die Rolle von Datenbank GlobaleOberflächen EinfacheOberflächen Berechnungvon Kern und Umfang Abbildung 12: hierarchical topologische Graph

  27. Navigation Autonomer Mobiler SystemeFüßgängernavigation 5.Räumliche kognitive Landkarte und ein Human-Like Gedächtnis-Modell Berechnungen von Polygonen KomplizierteAlgorithmus Unterscheidungzwischen Gebäudenund freien Oberflächen Je stärkerdie Farbe istdestointegrierter die Oberflächeist Abbildung 13: polygonen radiation Abbildung 7: Polygon

  28. Navigation Autonomer Mobiler SystemeFüßgängernavigation 5. Räumliche kognitive Landkarte und ein Human-Like Gedächtnis-Modell KognitiveKarte(THI filter)‏ Speicherungvon Daten in die kognitiveKarte Filterungvon die Daten Aktivierungvon Daten Abbildung 14: spatial kognitive map

  29. Navigation Autonomer Mobiler SystemeFüßgängernavigation 5.Räumliche kognitive Landkarte und ein Human-Like Gedächtnis-Modell LokalenOberflächen: Generator : Generierung von LokalenOberflächen Einbeschränkte Vision zubekommen Abbildung 15: lokaleOberfläche

  30. Navigation Autonomer Mobiler SystemeFüßgängernavigation 5.Räumliche kognitive Landkarte und ein Human-Like Gedächtnis-Modell Verbindungzwischen THI Graphund THI Graph Filter Abbildung 16: Einfügen von lokalerOberfläche

  31. Navigation Autonomer Mobiler SystemeFüßgängernavigation 5.Räumliche kognitive Landkarte und ein Human-Like Gedächtnis-Modell Speicher Model SemantischeSpeicher(IHT Graph)‏ Associative Speicher (Landgraph)‏ Arbeitspeicher SpeicherKontroller Abbildung 17: Navigation System Architektur

  32. Navigation Autonomer Mobiler SystemeFüßgängernavigation 5.Räumliche kognitive Landkarte und ein Human-Like Gedächtnis-Modell VerschiedenSituationenbeimWegfinden Bekannteund erkannteOberflächen Bekannteund aufgerufeneOberflächen Bekannteund nichtaufgerufeneOberflächen UnbekannteOberflächen Abbildung 18: Parameter von SpeicherOberflächen

  33. Navigation Autonomer Mobiler SystemeFüßgängernavigation 5.Räumliche kognitive Landkarte und ein Human-Like Gedächtnis-Modell DatenübertragungzumArbeitsspeicher AbrufTest Erkennungstest Aktivierung DerTransfer zum Arbeitsspeicher Abbildung 19: Speicherkontoller

  34. Navigation Autonomer Mobiler SystemeFüßgängernavigation 5.Räumliche kognitive Landkarte und ein Human-Like Gedächtnis-Modell Abbildung 20: Wegerzeugen von Anfangbisende

  35. Navigation Autonomer Mobiler SystemeFüßgängernavigation 5.Räumliche kognitive Landkarte und ein Human-Like Gedächtnis-Modell AssoziativeSpeicher (Landgraph) Landmark ReferenzPunktfürjedeeinfacheOberfläche LandgraphisteineSammlung von referenzierteeinfacheoberflächen . Speicherungin Arbeitsspeicher Abbildung 21: Die Rolle von Landgraph

  36. Navigation Autonomer Mobiler SystemeFüßgängernavigation 5.Räumliche kognitive Landkarte und ein Human-Like Gedächtnis-Modell Navigation(1)‏ VerschiedeneLokaleoberflächendurchLernWegesuchen Abbilung 22 : Erstevier Navigation

  37. Navigation Autonomer Mobiler SystemeFüßgängernavigation 5.Räumliche kognitive Landkarte und ein Human-Like Gedächtnis-Modell Navigation(2)‏ 53 einfacheOberfläche Landgraphbesteht aus26 Landmark (Referenzpunkt)‏ Abbildung 23: fertigeKarte

More Related