[Zurück]

T. Thalmann:
"Genauigkeitsbetrachtungen zum Bewegungsverhalten eines fahrbaren Roboters";
Betreuer/in(nen): H.-B. Neuner; E120-5 Ingenieurgeodäsie, 2015; Abschlussprüfung: 13.08.2015.

Der Prozess der Erfassung von raumbezogenen Daten mittels einer mobilen Trägerplattform wird allgemein als Mobile Mapping bezeichnet. Der fahrbare Roboter Seekur Jr der Forschungsgruppe Ingenieurgeodäsie am Department Geodäsie und Geoinformation stellt eine solche Trägerplattform für ein Multi-Sensor-System (MSS) dar und eignet sich für Messaufgaben im In- und Outdoor-Bereich. Die grundsätzliche Voraussetzung zur kinematischen Datenerfassung ist die Herstellung eines Bezuges in Raum und Zeit. Zur Referenzierung der obektraumerfassenden Beobachtungen muss die zurückgelegte Trajektorie - die Kurve, die ein Punkt in seiner Bewegung durch Raum und Zeit beschreibt - der Anwendung entprechend genau bestimmt werden. Zu zeitlichen Referenzierung der Messdaten werden die beteiligten Systemkomponenten mittels Network Time Protocol (NTP) synchronisiert. Die erreichbaren Genauigkeiten sowie die Grenzen dieser
software-basierten Synchonisationslösung werden im Rahmen dieser Arbeit analysiert. Außerdem wurde eine MATLAB-Toolbox für zukünftige Projekte und Forschungsarbeiten entwickelt, die eine komfortable Steuerung des Roboters für flexible Typen von Trajektorien ermöglicht. Mit diesen Grundvoraussetzungen ist es möglich das Fahrverhalten des Roboters zu untersuchen. Einerseits gilt es festzustellen, wie treu der Roboter den vorgegebenen Navigationsbefehlen folgt, andererseits wird die Genauigkeit der roboter-internen Navigationslösung aus den Daten der Differentialodometrie analysiert. Als Referenz gelten die Messungen eines Tachymeters MS50 von Leica Geosystems, die mit den Messwerten der Robotersensoren zu synchronisieren sind. Abschließend wird ein Kalman-Filter (KF) implementiert und in die Steuerungs-Toolbox SeekurCOM integriert. Das Ziel ist es die geschätzte Trajektorie aus den Odometrie-Daten mit Hilfe eines zweistufigen Verfahrens zu verbessern. Dabei wird im ersten Schritt in einem adaptiven KF im Messgebiet mit Hilfe des zielverfolgenden Tachymeters zusätzliche Bewegungsparameter abgeleitet. Mit Hilfe dieser Parameter kann in der zweiten Phase die ungestützte Schätzung der Trajektorie aus der Differentialodometrie verbessert werden. Eine Sichtverbindung zur Totalstation ist diesem autonomen Betrieb nicht mehr notwendig. Die Ergebnisse dieses Verfahrens werden abschließend den roboter-internen
Schätzungen gegenübergestellt.

The process of collecting geospatial data by means of a mobile platform is generally called Mobile Mapping. The mobile robot Seekur Jr owned by the Research Group Engineering Geodesy at the
Department of Geodesy and Geoinformation represents such a supporting platform for a Multi-Sensor-System (MSS) and is suitable for measuring-tasks in indoor and outdoor areas. The basic prerequisite for kinematic data capture is to produce a reference in space and time. The curve that describes a point in its movement through space and time is called trajectory. For referencing the observations the trajectory needs to be determined with an appropriate accuracy for the application. For temporal referencing of the measurement data, the involved system components are synchronized with the Network Time Protocol (NTP). The achievable accuracies as well as the limitations of software-based solution for synchronization are analyzed in this work. In addition, a MATLAB toolbox for future projects and research work has been developed, that enables a comfortable control of the robot for flexible types of trajectories. With these Basic requirements, it is possible to investigate the behavior of the robot. On the one hand it is investigated how faithfully the robot follows the predefined navigation commands, on the other hand, the accuracy of the robot´s internal navigation solution from the data of differential odometry is analyzed. For reference, the measurements of a tachymeter MS50 by Leica Geosystems, which have to be synchronized with the measured values of the robot-sensors, apply. Finally a Kalman-Filter (KF) is implemented and integrated into the MATLAB-Toolbox SeekurCOM. The goal is to improve the estimated trajectory of the odometry data using a two-stage process. At first additional motion parameters are derived with help of the target-tracking tachymeter in an adaptive KF at the investigation area. In the second step these parameters can be applied to improve the unsupported estimate of the trajectory with differential odometry. A line of sight to the total Station at this point of autonomous operation is no longer necessary. The results of this procedure are finally
compared with the robot´s internal estimates.

Kinematische Messsysteme, Fahrbarer Roboter, NTP, Kalman-Filterung