View
123
Download
3
Category
Preview:
Citation preview
Navigation Autonomer Mobiler Systeme
Füßgängernavigation
Veranstalter
Prof. Dr. Bernd Krieg-Brückner Dr. Bernd Gersdorf
Hoang Thach Vu
Saber Bedoui
Bremen 06-12-2007
Navigation Autonomer Mobiler Systeme
Füßgängernavigation
Inhalt:1. Anwendungsbereiche
2. Besonderheiten
3. Positionierungsteknik
4. Algorithmen für Polygonen & Graphen im Innenraum
4.1 Angepasste Umgebungsmodellierung
4.2 Lösungsansatz
4.3 Optimierter Ansatz
5. Räumliche kognitive Landkarte und ein Human-Like Gedächtnis-Modell
Navigation Autonomer Mobiler Systeme
Füßgängernavigation
1. Anwendungsbereichen
Tourismus Freizeit Navigationshilfe für Behinderte und ältere
Menschen, etc.
Navigation Autonomer Mobiler Systeme
Füßgängernavigation
2. Besonderheiten
Füßgänger bewegen frei & nicht streng an Straßen gebunden → schwer zu realisieren
Erfordert umfangreichen Datenbestand und Modellierung aller möglichen Gehwege
Benötigt einige Modifikationen an Daten:
Füßgänger brauchen mehr Detailinformationen Straßen nicht als Kanten sondern als Gehwege
dargestellt Objekte wie Füßgängerzonen,Platzüberquerungen,
Ampel,Bahn,Busse,Unter-, Überführungen,Parks, dynamische Daten, Objektebezogene Informationen werden berücksichtigt
Navigation Autonomer Mobiler Systeme
Füßgängernavigation
2. Besonderheiten
Genauigkeit :
Füßgänger legt kleinere Distanzen zurück . Durch geringere Geschwindigkeit und größeres
Blickfeld mehr Details in der Umgebung wahrnehmen
→ Hohe Speicherkapazität erforderlich und Rechenleistung, die bei tragbaren PCs beschränkt ist
Erhöht sich Anfoderung an Genauigkeit der Positionisierungsverfahren.
Navigation Autonomer Mobiler Systeme
Füßgängernavigation
2. Besonderheiten
Navigation Autonomer Mobiler Systeme
Füßgängernavigation
2. Besonderheiten
Abbildung 3: Besonderheiten der Füßgängernavigation beim Überquenren größer Plätze
Navigation Autonomer Mobiler Systeme
Füßgängernavigation
2. Besonderheiten
Abbildung 4: Füßgänger benutzen in Gebäuden nicht den mathematischen kürzesten Weg
Navigation Autonomer Mobiler Systeme
Füßgängernavigation
3. Positionierungstecknik
Bestimmt die Position kontinuierlich Wichtige Kriterien:
Transportfähigkeit Hohe Positionsgenauigkeit
Fahrzeugnavisys verwendet relative Sensoren zur Positionierung
Aber bei Füßgängern ist schwer zu verwirklichen → Realisiert mit absoluter Positionierung
Zusätzlich werden Bewegungssensoren verwendet wie zB. Schrittzähler
Navigation Autonomer Mobiler Systeme
Füßgängernavigation
3. Positionierungstecknik
Absolute Sensoren: liefern direkt eine oder mehrere Komponenten der aktuellen dreidimensionalen Position des Nutzers
GNSS (Global Navigation Satellite System):• Sehr hohe Genauigkeit• Sehr exakte Punktbestimmung (< 1m)• Nachteile : Die Abschattung der Signale durch
Gebäude und der Einfluss des Mehrwegeffektes• Speziell negative Auswirkung auf die
Positionslösung in bebauten Gebieten
Navigation Autonomer Mobiler Systeme
Füßgängernavigation
3. Positionierungstecknik
Absolute Sensoren: GNSS :
Um zu überdecken
und kontinuierliche
Positionierung zu
ermöglichen müssen
noch weitere Sensoren
verwendet werden
Abbildung 24 : Abschattung und Mehrwegeffekt eines GNSS (Plasinski et al., 2000)
Navigation Autonomer Mobiler Systeme
Füßgängernavigation
3. Positionierungstecknik
Absolute Sensoren:
LPS: (Local Positioning System)• Ähnlich wie GPS, verwendet zur Positiobestimmung
in Gebäuden• Positionslösung wird bestimmt mittels
Distanzmessung zwischen mehreren Sendern und Antennen.
• Die Empfänger sind direkt im Gebäude installiert• Die Sender sind von den Nutzern mitzuführen
Höhenbestimmung, etc…
Navigation Autonomer Mobiler Systeme
Füßgängernavigation
3. Positionierungstecknik
Relative Sensoren:
Zum Messen den zurückgelegte Weg, Geschwindigkeit, Richtung sowie die räumliche Ausrichting und die Beschleunigung
Navigation Autonomer Mobiler Systeme
Füßgängernavigation
4.1 Angepasste Umgebungmodellierung
Die Darstellung der Umgebung mit Knoten und Kanten nicht ausreichend
Zu ermöglichen beliebigen Weg muss das Modell alle begehbaren Flächen beschreiben und darf diese nicht zu Strecken vereinfachen
Mit Editor Yamamoto können solche Umgebungsmodell erstellt werden
Die Kannte besitzen Attribute wie : begehbar für Füßgänger oder nicht begehbar.
Navigation Autonomer Mobiler Systeme
Füßgängernavigation
4.1 Angepasste Umgebungmodellierung
Abbildung 5 : Beispiel für polygonbasiertes Umgebungsmodell
Navigation Autonomer Mobiler Systeme
Füßgängernavigation
4.2 Algorithmen für Polygonen und Graphen
Wichtig sind das Ergebnis (kürzer und schöner Weg), sowie Laufzeit und Speicherplatzverbrauch
Grundsätzliche Frage: Polygon- oder graphbasierter Algorithmus besser geeignet?
Polygonbasierte Algorithmen:
Wird verwendet wenn die Modelle nicht als Graph vorlagen, sondern als ein Netz von Polygonen. (Abbildung 5)
Navigation Autonomer Mobiler Systeme
Füßgängernavigation
4.2 Algorithmen für Polygonen und Graphen
Graphenbasierte Algorithmen: Algorithmen für die Wegsuche in folgende Graphen
Abbildung 6: Wegsuche auf dem Campus der Universität Saarbrücken
Navigation Autonomer Mobiler Systeme
Füßgängernavigation
4.2 Algorithmen für Polygonen und Graphen
Graphbasierte informierte Suche:
Graphbasierter Algorithmus, der zielgerichtet sucht und immer den kürzesten Weg findet
Ziel: aus vorhandenen polygonbasierten Umgebungsmodellen die Wegenetz-Graphen zu erzeugen
Zu finden einen “schönen” Weg muss der Wegenetz-Graph möglichst detailiert sein. Aber nicht viele Wegpunkte und Wegkanten um die Suche effizient durchzuführen
Navigation Autonomer Mobiler Systeme
Füßgängernavigation
4.2 Algorithmen für Polygonen und Graphen
Graphbasierte informierte Suche:
Abbildung 7 : Erzeugung der Wegpunkte durch ein Rasterverfahren
Navigation Autonomer Mobiler Systeme
Füßgängernavigation
4.3 Lösungsansatz zur Generierung von Wegenetzgraphen
Rasterbasierter Ansatz: Erzeugt Wegpunkte in gleichmäßigen Abständen
Wegpunkte: Wegpunkte werden nur innerhalb von Polygonen erzeugt Nur modellierte Flächen sind begehbar
Wekkanten: Nur 2 direkt benachbarte Wegpunkte werden verbunden
um die Anzahl der Wegkante gering zu halten. Sofern keine Wandkante geschnitten wird
Navigation Autonomer Mobiler Systeme
Füßgängernavigation
4.4 Optimierter Ansatz
Wegpunkte: Werden nur erzeugt wenn Bewegungsrichtung
geändert wird Beim Übergang von einem Polygon ins nächste (bei
der Überquerung von begehbaren Polygonkanten) Bei Bewegungen innerhalb eines Polygons, das
nicht konvex ist (beim Umlaufen einer Polygonecke, die einen Winkel von mehr als 180 Grad einschließt)
Wegkanten: Zwischen 2 Wegpunkten wird eine Wegkanten
erzeugt wenn zwischen beiden Punkten eine Sichtlinie besteht (schneidet keine Wandkante)
Navigation Autonomer Mobiler Systeme
Füßgängernavigation
4.4 Optimierter Ansatz
Abbildung 8: Optimierte Erzeugung der Wegpunkte nur an relevante stellen
Navigation Autonomer Mobiler Systeme
Füßgängernavigation
5. Räumliche kognitive Landkarte und ein Human-Like Gedächtnis-Modell
Die Umgebung(THI Graph) Kognitive Karte(THI filter) Arbeitsspeicher Landgraph Speicher controller
Abbildung 9: Navigation system architecture
Navigation Autonomer Mobiler Systeme
Füßgängernavigation
5. Räumliche kognitive Landkarte und ein Human-Like Gedächtnis-Modell
Füßgängervorstellung
Menschliche Denkweise Personelle Vision Virtuelle Objekt
Abbildung 10: Füßgänger
Navigation Autonomer Mobiler Systeme
Füßgängernavigation
5. Räumliche kognitive Landkarte und ein Human-Like Gedächtnis-Modell
Konstruktion von Polygonen
Ein sehr einfache Kreuzung Geometrische Figuren (Polygonen) Topologische Verbindung Semantische Bedeutung
Abbildung 11: Polygon
Navigation Autonomer Mobiler Systeme
Füßgängernavigation
5. Räumliche kognitive Landkarte und ein Human-Like Gedächtnis-Modell
Umgebung (THI Graph) Diese Graph spielt die Rolle von Datenbank Globale Oberflächen Einfache Oberflächen Berechnung von Kern und Umfang
Abbildung 12: hierarchical topologische Graph
Navigation Autonomer Mobiler Systeme
Füßgängernavigation
5. Räumliche kognitive Landkarte und ein Human-Like Gedächtnis-Modell
Berechnungen
von Polygonen
Komplizierte Algorithmus Unterscheidung zwischen Gebäuden und freien Oberflächen Je stärker die Farbe ist desto integrierter die Oberfläche ist
Abbildung 13: polygonen
radiation
Abbildung 7: Polygon
Navigation Autonomer Mobiler Systeme
Füßgängernavigation
5. Räumliche kognitive Landkarte und ein Human-Like Gedächtnis-Modell
Kognitive Karte(THI filter) Speicherung von Daten in die kognitive Karte Filterung von die Daten Aktivierung von Daten
Abbildung 14:
spatial kognitive map
Navigation Autonomer Mobiler Systeme
Füßgängernavigation
5. Räumliche kognitive Landkarte und ein Human-Like Gedächtnis-Modell
Lokalen Oberflächen:
Generator : Generierung von Lokalen OberflächenEin beschränkte Vision zu bekommen
Abbildung 15: lokale Oberfläche
Navigation Autonomer Mobiler Systeme
Füßgängernavigation
5. Räumliche kognitive Landkarte und ein Human-Like Gedächtnis-Modell
Verbindung zwischen THI Graphund THI Graph Filter
Abbildung 16: Einfügen von lokaler Oberfläche
Navigation Autonomer Mobiler Systeme
Füßgängernavigation
5. Räumliche kognitive Landkarte und ein Human-Like Gedächtnis-Modell
Speicher Model Semantische Speicher(IHT Graph) Associative Speicher (Landgraph) Arbeitspeicher Speicher Kontroller
Abbildung 17: Navigation System Architektur
Navigation Autonomer Mobiler Systeme
Füßgängernavigation
5. Räumliche kognitive Landkarte und ein Human-Like Gedächtnis-Modell
Verschieden Situationen beim Weg finden
Bekannte und erkannte Oberflächen Bekannte und aufgerufene Oberflächen Bekannte und nicht aufgerufene Oberflächen Unbekannte Oberflächen
Abbildung 18: Parameter von Speicher Oberflächen
Navigation Autonomer Mobiler Systeme
Füßgängernavigation
5. Räumliche kognitive Landkarte und ein Human-Like Gedächtnis-Modell
Datenübertragung zum Arbeitsspeicher
Abruf Test Erkennungstest Aktivierung Der Transfer zum Arbeitsspeicher
Abbildung 19: Speicherkontoller
Navigation Autonomer Mobiler Systeme
Füßgängernavigation
5. Räumliche kognitive Landkarte und ein Human-Like Gedächtnis-Modell
Abbildung 20: Weg erzeugen von Anfang bis ende
Navigation Autonomer Mobiler Systeme
Füßgängernavigation
5. Räumliche kognitive Landkarte und ein Human-Like Gedächtnis-Modell
Assoziative Speicher (Landgraph)
Landmark Referenz Punkt für jede einfache Oberfläche Landgraph ist eine Sammlung von referenzierte einfache oberflächen . Speicherung in Arbeitsspeicher
Abbildung 21: Die Rolle von Landgraph
Navigation Autonomer Mobiler Systeme
Füßgängernavigation
5. Räumliche kognitive Landkarte und ein Human-Like Gedächtnis-Modell
Navigation(1)
Verschiedene Lokale oberflächen durch Lern Wege suchen
Abbilung 22 : Erste vier Navigation
Navigation Autonomer Mobiler Systeme
Füßgängernavigation
5. Räumliche kognitive Landkarte und ein Human-Like Gedächtnis-Modell
Navigation(2)
53 einfache Oberfläche Landgraph besteht aus 26 Landmark (Referenzpunkt)
Abbildung 23: fertige Karte
Recommended