In dieser Dissertation wird eine Methode fü̈r die bildbasierte Echtzeitabbildung von Innenräumen mit einem mobilen Robotersystem vorgeschlagen. Dieses System verwendet kommerzielle Komponenten, die eine flexible Konstruktion bei geringen Kosten ermö̈glichen. Das entwickelte mobile Robotersystem, verfü̈gt neben dem geringen Gewicht, einem differenzialen Fahrwerk und ausreichender Robustheit, ü̈ber eine beträchtliche unabhängige Laufzeit, was eine notwendige Voraussetzung fü̈r die halbautomatische Navigation und Umgebungsabbildung ist. Bilddaten werden kontinuierlich, unterstü̈tzt von verschiedenen Sensoren und aktiver Beleuchtung, mit hochauflö̈senden Kameras erfasst. Die gesamte Datenverarbeitung wird direkt auf der mobilen Roboterplattform in Echtzeit durchgefü̈hrt. Ein neues Software Framework wird eingefü̈hrt, das die Roboterhardware optimal nutzt und den herausfordernden Echtzeitbedingungen eines bildbasierten Systems genü̈gt. Das neuentwickelte Framework enthält eine auf parallele Bild- und Datenverarbeitung optimierte Pipeline, die eine hochperformante Bildanalyse ermö̈glicht. Der erste Teil der Dissertation legt den Fokus auf die Erfassung und Integration von Bildmerkmalen in Innenräumen. Die effiziente Erkennung und robuste Beschreibung von Bildmerkmalen in Innenräumen ist Aufgrund von fehlenden Strukturmerkmalen ein schwieriges Problem. Eine Lö̈sung wird präsentiert, die eine schnelle angepasste Merkmalserkennung mit einer robusten skalierungsunabhängigen Merkmalsbeschreibung verbindet. Mit diesem System werden Bildmerkmale unabhängig von der Umgebung und Kameraauflö̈sung mit einer konstanten Geschwindigkeit erkannt und erfasst. Folglich ist die Zeit fü̈r die Merkmalsbeschreibung konstant und Echtzeitverarbeitung garantiert. Dieses System ü̈bertrifft deutlich die aktuellen Methoden fü̈r die Merkmalsdetektion und Merkmalsbeschreibung. Die Verwendung von optimierter räumlicher Merkmalszuordnung und nichtlinearer Optimierung, reduziert Ausreisser signifikant. Dies erlaubt die präzise Abschätzung der Transformationen zwischen verschiedenen Kameraansichten, sowie der 3D-Position der Bildmerkmale. Basierend auf diesem Ansatz, werden Konzepte fü̈r die halbautomatische Navigation und Umgebungsabbildung abgeleitet. Unzulänglichkeiten in der Mechanik des differenzialen Fahrsystems und verschiedene umgebungsabhängige Faktoren beeinflussen die Navigation. Ein schneller und einfacher Algorithmus fü̈r die Ausbalancierung des Fahrsystems gemäss dieser Faktoren wird zur Verfü̈gung gestellt. Eine vorherige Kalibrierung ist nicht erforderlich. Im Gegensatz zu sensor-basierten Ansätzen, liefert der bildbasierte Algorithmus eine direkte Rü̈ckmeldung. Erkannte Bildmerkmale bestimmen den Expansionspunkt, der die Navigationsrichtung fü̈r eine Translationsbewegung an- gibt. Die Navigationsrichtung wird zur Erkennung und Korrektur der seitlichen Abweichung benutzt. Eine Schlü̈sselkomponente fü̈r die Navigation ist die Fähigkeit zur Ortsbestimmung. Die Position und Ausrichtung der mobilen Roboterplattform wird mit Hilfe von 2D Merkmalsü̈bereinstimmungen innerhalb der Umgebung ermittelt. Die Präzision ist dadurch unabhängig von den ungenauen Tiefenwerten die mit 3D Bildmerkmalen verbunden sind. Translationsbewegungen werden zuverlässig von Bildmerkmalen senkrecht zur Fahrbewegung des Roboters bestimmt. Eine angepasste Merkmalsintergration bestimmt die Rotation der mobilen Roboterplattform. Die Fähigkeit zur Ortsbestimmung ist grundlegend fü̈r die Abbildung von Merkmalen und Hindernissen. Die Hinderniserkennung und Hindernissumgehung kombiniert die Vorteile von zwei Systemen. Hindernisse werden in Echtzeit mit einem Distanzsensor erkannt, während ihre genaue Position und Form durch aktive Beleuchtung und Bildanalyse ermittelt wird. Dies unterstü̈tzt ebenfalls die Auswahl der richtigen Strategie zur Umgehung von Hindernissen. Die Bilddaten der halbautonomen mobilen Roboterplattform werden benutzt, um eine grundlegende Umgebungskarte in Echtzeit zu erstellen. Dafür werden Bildmerkmale von verschiedenen Positionen innerhalb der Umgebung erfasst und integriert. Die so erstellte Umgebungskarte ermö̈glicht eine präzise Navigation und kann durch aktive Beleuchtung mit der 3D Rekonstruktion von Objekten im Nahbereich noch verfeinert werden.

University of Zurich, Department of Informatics

vmml