4.3.1 Erkennung von Landmarken für Roboternavigation mit Luftultraschall und neuronalen Netzen - Feature Engineering und Vergleich
- Event
- 20. GMA/ITG-Fachtagung Sensoren und Messsysteme 2019
2019-06-25 - 2019-06-26
Nürnberg, Germany - Chapter
- 4.3 Machine Learning und Signalverarbeitung
- Author(s)
- P. Kroh, S. Rupitsch - Friedrich-Alexander-Universität Erlangen-Nürnberg (Deutschland), R. Simon - Vrije Universität Amsterdam (Niederlande)
- Pages
- 339 - 346
- DOI
- 10.5162/sensoren2019/4.3.1
- ISBN
- 978-3-9819376-0-2
- Price
- free
Abstract
Ultraschallbasierte Sensoren kommen bei mobilen Robotern und im Automobilbereich häufig zur Abstandsmessung von umliegenden Objekten zum Einsatz. Das akustische Messprinzip unterscheidet sich physikalisch von den Prinzipien anderer geläufiger Sensoren zur Umfelderfassung von Robotern (z. B. Lidar, Radar, Kamera etc.) und folglich können entsprechende Sensorsysteme mit Ultraschallsensoren komplementär ergänzt werden. Es wird dadurch eine Reduktion der Fehleranfälligkeit und somit Erhöhung der Zuverlässigkeit von Roboternavigationssystemen möglich. In unserer Arbeit beschäftigen wir uns daher mit der Identifizierung und Klassifizierung von Ultraschall-reflektierenden Objekten, welche als ortsfeste Referenzpunkte (Landmarken) für die Navigation herangezogen werden können. Hierzu werden künstliche neuronale Netze als Klassifizierer mit unterschiedlichen Merkmalsvektoren (Features) trainiert und untersucht. Es hat sich gezeigt, dass mit den entwickelten Features, auf Basis der Target Strength der Ziele, verschiedene geometrische Formen zu einem hohen Grad und auch bei zusätzlichem Rauschen erfolgreich identifiziert werden können.