With the services that autonomous robots are to provide becoming more demanding, the states that the robots have to estimate become more complex. In this thesis, a vision-based, probabilistic state estimation method for large and complex states is developed and applied to autonomous mobile robot applications. The proposed method extends the state-of-the-art in state estimation in two important ways. First, it demonstrates how the estimation of states in complex and ill structured state spaces, spanned by more than 60 parameters, can be achieved. The state estimation problem is made feasible by decomposing it into several loosely coupled subproblems. Each subproblem is solved by a task specific state estimator. In particular, this method enables the mobile robots of a team to estimate their own positions in a known environment and to track the positions of independently moving objects at frame rate. The second contribution is the investigation of the use of cooperation, i.e. the exchange of observations and state estimates between robots, for improved state estimation. The state estimators of the robots are extended to use the information provided by other robots as evidence. This information is shown to increase the accuracy, reliability and completeness of the state estimation process. In particular, it is demonstrated that cooperation enables robots to determine their poses and the positions of further dynamic objects more accurately, to track temporarily occluded objects successfully, and to obtain a complete view of the surrounding environment. The method is empirically validated based on experiments with a team of autonomous robots equipped with off-the-shelf computing hardware and sensory equipment within the RoboCup scenario. It was applied during four RoboCup world championships. The collected experimental data, from two competitions covering more than four hours net operation time, is analysed.     «

With the services that autonomous robots are to provide becoming more demanding, the states that the robots have to estimate become more complex. In this thesis, a vision-based, probabilistic state estimation method for large and complex states is developed and applied to autonomous mobile robot applications. The proposed method extends the state-of-the-art in state estimation in two important ways. First, it demonstrates how the estimation of states in complex and ill structured state spaces, s...     »

Damit autonome mobile Serviceroboter ihre immer komplexer werdenden Serviceaufgaben erfolgreich bearbeiten können, müssen sie den Zustand ihrer Umwelt immer detaillierter und genauer wahrnehmen. Diese Dissertation entwickelt ein bildbasiertes probabilistisches Verfahren zur Schätzung hochdimensionaler Zustände und setzt es auf realen autonomen mobilen Roboterplattformen ein. Das vorgeschlagene Verfahren erweitert den Stand der Technik in zwei wichtigen Bereichen. Zum einen wird demonstriert wie Zustände in Zustandsräumen mit mehr als 60 Dimensionen geschätzt werden können. Die Komplexität des Schätzproblems wird dadurch reduziert, dass es in mehrere lose verbundene Teilprobleme zerlegt wird. Jedes Teilproblem wird dann durch einen spezifischen Zustandsschätzer gelöst. Insbesondere ermöglicht dieses Verfahren einem Team mobiler Roboter ihre eigenen Positionen und die anderer sich unabhängig bewegender Roboter zu bestimmen. Zum anderen gelingt der Nachweis, dass kooperative Zustandsschätzung durch mehrerer Roboter die Qualität und Vollständigkeit der geschätzten Zustände erheblich verbessert. Die Zustandsschätzer der einzelnen Roboter werden dafür so erweitert, dass sie Informationen anderer Roboter mit berücksichtigen können. Weiterhin wird gezeigt, dass kooperative Zustandsschätzung dem Roboterteam genauere Positionsschätzungen sowie das Verfolgen temporär verdeckter Objekte ermöglicht. Das Verfahren wurde erfolgreich an einem Team autonomer mobiler Roboter im Rahmen des Roboterfussballszenarios (RoboCup) getestet. Erschwert wurde dies durch die Ausstattung des Roboterteams, welches nur über handelsübliche Rechenleistung und Videosensorik verfügte. Das Verfahren wurde im Rahmen von vier RoboCup Weltmeisterschaften erfolgreich eingesetzt. Zur grundlegenden Evaluierung des Verfahren wurden experimentelle Daten aus zwei Weltmeisterschaften mit insgesamt mehr als vier Stunden autonomer Spielzeit ausgewertet.     «

Damit autonome mobile Serviceroboter ihre immer komplexer werdenden Serviceaufgaben erfolgreich bearbeiten können, müssen sie den Zustand ihrer Umwelt immer detaillierter und genauer wahrnehmen. Diese Dissertation entwickelt ein bildbasiertes probabilistisches Verfahren zur Schätzung hochdimensionaler Zustände und setzt es auf realen autonomen mobilen Roboterplattformen ein. Das vorgeschlagene Verfahren erweitert den Stand der Technik in zwei wichtigen Bereichen. Zum einen wird demonstriert wie...     »