|
Information-theoretic environment modeling for mobile robot localization
Elasmar, Sherine Rady Abdel Ghany
![[img]](https://madoc.bib.uni-mannheim.de/style/images/fileicons/application_pdf.png)  Vorschau |
|
PDF
SR12_Thesis_Bib.pdf
- Veröffentlichte Version
Download (7MB)
|
|
URL:
|
https://ub-madoc.bib.uni-mannheim.de/32314
|
|
URN:
|
urn:nbn:de:bsz:180-madoc-323141
|
|
Dokumenttyp:
|
Dissertation
|
|
Erscheinungsjahr:
|
2012
|
|
Ort der Veröffentlichung:
|
Mannheim
|
|
Verlag:
|
Universität Mannheim
|
|
Hochschule:
|
Universität Mannheim
|
|
Gutachter:
|
Badreddin, Essameddin
|
|
Datum der mündl. Prüfung:
|
28 Juni 2012
|
|
Sprache der Veröffentlichung:
|
Englisch
|
|
Einrichtung:
|
Fakultät für Wirtschaftsinformatik und Wirtschaftsmathematik > Automation (Badreddin 1999-2008)
|
|
Fachgebiet:
|
004 Informatik
510 Mathematik
620 Ingenieurwissenschaften
|
|
Normierte Schlagwörter (SWD):
|
Mobiler Roboter
|
|
Freie Schlagwörter (Englisch):
|
Mobil Roboter
|
|
Abstract:
|
To enhance robotic computational efficiency without degenerating accuracy, it is imperative to fit the right and exact amount of information in its simplest form to the investigated task. This thesis conforms to this reasoning in environment model building and robot localization. It puts forth an approach towards building maps and localizing a mobile robot efficiently with respect to unknown, unstructured and moderately dynamic environments. For this, the environment is modeled on an information-theoretic basis, more specifically in terms of its transmission property. Subsequently, the presented environment model, which does not specifically adhere to classical geometric modeling, succeeds in solving the environment disambiguation effectively.
The proposed solution lays out a two-level hierarchical structure for localization. The structure makes use of extracted features, which are stored in two different resolutions in a single hybrid feature-map. This enables dual coarse-topological and fine-geometric localization modalities.
The first level in the hierarchy describes the environment topologically, where a defined set of places is described by a probabilistic feature representation. A conditional entropy-based criterion is proposed to quantify the transinformation between the feature and the place domains. This criterion provides a double benefit of pruning the large dimensional feature space, and at the same time selecting the best discriminative features that overcome environment aliasing problems. Features with the highest transinformation are filtered and compressed to form a coarse resolution feature-map (codebook). Localization at this level is conducted through place matching.
In the second level of the hierarchy, the map is viewed in high-resolution, as consisting of non-compressed entropy-processed features. These features are additionally tagged with their position information. Given the identified topological place provided by the first level, fine localization corresponding to the second level is executed using feature triangulation. To enhance the triangulation accuracy, redundant features are used and two metric evaluating criteria are employ-ed; one for dynamic features and mismatches detection, and another for feature selection.
The proposed approach and methods have been tested in realistic indoor environments using a vision sensor and the Scale Invariant Feature Transform local feature extraction. Through experiments, it is demonstrated that an information-theoretic modeling approach is highly efficient in attaining combined accuracy and computational efficiency performances for localization. It has also been proven that the approach is capable of modeling environments with a high degree of unstructuredness, perceptual aliasing, and dynamic variations (illumination conditions; scene dynamics). The merit of employing this modeling type is that environment features are evaluated quantitatively, while at the same time qualitative conclusions are generated about feature selection and performance in a robot localization task. In this way, the accuracy of localization can be adapted in accordance with the available resources.
The experimental results also show that the hybrid topological-metric map provides sufficient information to localize a mobile robot on two scales, independent of the robot motion model. The codebook exhibits fast and accurate topological localization at significant compression ratios. The hierarchical localization framework demonstrates robustness and optimized space and time complexities. This, in turn, provides scalability to large environments application and real-time employment adequacies.
|
|
Übersetzung des Abstracts:
|
Zur Erhöhung der Recheneffizienz bei der Steuerung autonomer mobiler Roboter ist es erforderlich die Menge der übermittelten Information sowie deren Repräsentation genau an die Aufgabe anzupassen. Diese Dissertation behandelt diese Fragestellung in Bezug auf die Umweltmodellierung und die Lokalisierung von mobilen Robotern, wobei für die Erzeugung von Umgebungskarten und die darauf basierende Lokalisation von unbekannten unstrukturierten und moderat veränderlichen Umgebungsbedingungen ausgegangen wird. Im Gegensatz zu klassischen Geometrie-basierten Verfahren, wird hier die Umgebung auf infomationstheoretischen Grundlagen insbesondere unter Berücksichtigung von Transmissionseigenschaften modelliert und zur Lösung des Unterscheidbarkeitsproblems verwendet.
Die vorgeschlagene Lösung besitzt eine hierarchische Struktur mit zwei Ebenen in der extrahierte Umgebungsmerkmale in zwei unterschiedlichen Auflösungen in Form einer einheitlichen hybriden Karte abgelegt werden. Dies ermöglicht sowohl eine topologische Groblokalisierung als auch eine geometrische Feinlokalisierung.
Die erste Hierarchieebene beschreibt die Topologie der Umgebung, in der eine Menge gegebener Orte durch eine probabilistische Merkmalsrepräsentation definiert werden. Ein Kriterium wird vorgeschlagen, das auf der bedingten Entropie zur Beschreibung der Transinformation zwischen Merkmals- und Ortsbereich beruht. Dieses Kriterium besitzt den Vorteil, den hochdimensionalen Merkmalsraum zu reduzieren und gleichzeitig die Merkmale mit der höchsten Unterscheidbarkeit auszuwählen, die zur eindeutigen Ortswahrnehmung dienen. Merkmale mit höherer Transinformation werden gefiltert und zur Erzeugung einer grob aufgelösten Merkmalskarte (Code-Tabelle) komprimiert. Die Orterkennung auf dieser Ebene geschieht durch einen Vergleich der Sensorwerte mit den Datenbankeinträgen.
Auf der zweiten Ebene der Hierarchie wird die Umgebungskarte in hochauflösender Form mit unkomprimierten Merkmalen dargestellt, die in Bezug auf deren Entropie verarbeitet wurden. Die Merkmale sind zusätzlich mit der entsprechenden Positionsinformation belegt. Mit dem durch die erste Ebene gegebenen Ort wird die Feinpositionierung entsprechend der zweiten Ebenen mit Hilfe einer Triangulation durchgeführt. Um die Genauigkeit der Triangulation zu erhöhen, werden redundante Merkmale verwendet und zwei Kriterien angewandt: Das erste zur Erkennung von Merkmalsveränderungen (z.B. Verschiebungen in der Szene) und von Nicht-Übereinstimmung, das zweite zur Merkmalsauswahl.
Die vorgeschlagenen Ansätze und Methoden wurden in einer realistischen Innenraum-Umgebung mit einem Bildsensor und der sogenannten SIFT- (eng. Scale Invariant Feature Transform) Extraktion getestet. Experimente haben gezeigt, dass der informationstheoretische Modellierungsansatz hoch effizient in Bezug auf Genauigkeit und Ausnutzung der Rechenleistung ist. Weiterhin wurde gezeigt, dass der Ansatz geeignet ist, Umgebungen mit hochgradiger Unstrukturiertheit, Wahrnehmungsüberlappungen sowie dynamischen Variationen (Beleuchtungsverhältnisse, Szenendynamik) zur modellieren.
(Deutsch)
|
 | Das Dokument wird vom Publikationsserver der Universitätsbibliothek Mannheim bereitgestellt. |
 Suche Autoren in
Sie haben einen Fehler gefunden? Teilen Sie uns Ihren Korrekturwunsch bitte hier mit: E-Mail
Actions (login required)
 |
Eintrag anzeigen |
|
