Zusammenfassung
Aktuelle Implementierungen der Monte-Carlo-Lokalisierung benötigen mindestens 100 Samples, was in zeitkritischen Roboter-Systemen, wie z.B. einem RoboCup-Roboter, zu einem Ressourcen-Engpass führen kann. Dieser Artikel beschreibt einen neuen Ansatz für Monte-Carlo-Lokalisierung, bei dem die Anzahl der benötigten Samples adaptiv bis auf ein Minimum von nur einem Sample sinkt, wenn die Positionsschätzung ausreichend exakt ist. Experimente zeigen, dass der vorgestellte Algorithmus sehr schnell in diesen effizienten „Tracking-Modus“ übergeht. Durch eine iterative Verbesserung der Positionsschätzung kann sogar eine höhere Genauigkeit der Lokalisierung erreicht werden, als dies mit bisherigen Ansätzen möglich ist.
This is a preview of subscription content, log in via an institution to check access.
Access this chapter
Tax calculation will be finalised at checkout
Purchases are for personal use only
Preview
Unable to display preview. Download preview PDF.
Literaturverzeichnis
Kitano H, Asada M, Kuniyoshi Y, et al.: RoboCup: The Robot World Cup Initiative. AGENTS’ 97: Proc. of 1st int. conf. on Autonomous agents, 340–347, 1997.
Gutmann S, Weigel T, Nebel B: Fast, Accurate, and Robust Self-Localization in Polygonal Environments. Proc. of IROS’ 99, 1999.
Iocchi L, Nardi D: Self-Localization in the RoboCup Environment. RoboCup-99, LNCS, 1856:318–330, Springer, 2000.
Marques C, Lima P: A Localization Method for a Soccer Robot Using a Vision-Based Omni-Directional Sensor. Proc. of EuRoboCup Workshop 2000, 2000.
De Jong F, Caarls J, Bartelds R, et al.: A Two-Tiered Approach to Self-Localization. RoboCup 2001, LNCS, 2377:405–410, Springer, 2002.
Enderle S, Ritter M, Fox D, et al.: Vision-based Localization in RoboCup Environments. RoboCup 2000, LNCS, 2019:291–296, Springer, 2001.
Von Hundelshausen F, Schreiber M, Wiesel F, et al.: MATRIX: A force field pattern matching method for mobile robots. Technical Report B-08-03, Free University of Berlin, 2003.
Röfer T, Jüngel M: Vision-Based Fast and Reactive Monte-Carlo Localization. Proc. of ICRA 2003, 856–861, 2003.
Röfer T, Jüngel M: Fast and Robust Edge-Based Localization in the Sony Four-Legged Robot League. RoboCup 2003, LNCS, 3020:262–273, Springer, 2004.
Menegatti E, Pretto A, Pagello E: A New Omnidirectional Vision Sensor for Monte-Carlo Localization. RoboCup 2004, LNCS, 3276:97–109, Springer, 2005.
Fox D, Burgard W, Dellaert F, et al.: Monte Carlo Localization: Efficient Position Estimation for Mobile Robots. Proc. of AAAI 1999, 343–349, 1999.
Heinemann P, Rückstieß T, Zell A: Fast and Accurate Environment Modelling using Omnidirectional Vision. Dynamic Perception 2004, 9–14, Infix, 2004.
Author information
Authors and Affiliations
Editor information
Editors and Affiliations
Rights and permissions
Copyright information
© 2006 Springer-Verlag Berlin Heidelberg
About this paper
Cite this paper
Heinemann, P., Haase, J., Zell, A. (2006). Verbesserte Effizienz der Monte-Carlo-Lokalisierung im RoboCup. In: Levi, P., Schanz, M., Lafrenz, R., Avrutin, V. (eds) Autonome Mobile Systeme 2005. Informatik aktuell. Springer, Berlin, Heidelberg. https://doi.org/10.1007/3-540-30292-1_3
Download citation
DOI: https://doi.org/10.1007/3-540-30292-1_3
Publisher Name: Springer, Berlin, Heidelberg
Print ISBN: 978-3-540-30291-9
Online ISBN: 978-3-540-30292-6
eBook Packages: Computer Science and Engineering (German Language)