Details

Abstrakt in Englisch

An autonomous mobile platform must be able to operate in a partially unknown and dynamic environment. This requires the acquisition of diverse enviromental information, which is generally affected by noise. Assuming that the probability distributions of the uncertainties are unknown, but bounded, interesting estimates can be modeled as sets. This thesis introduces a novel set-based navigation concept, which handles set-based information safely and productive. To achieve a high degree of accuracy in the platform localization, multifarious information from different sources is gathered and merged to obtain a more precise pose estimation area. This merger is called set-based multifusion. Similarly the principle of multifusion can be applied to the platform guidance. Here diverse information has also to be combined to calculate a collision-free path to the goal. The verification of the presented set-based algorithms was conducted via real and simulated experiments.

Abstrakt in Deutsch

Eine autonome, mobile Plattform muss in der Lage sein, in einer ihr teilweise unbekannten und sich stetig ändernden Umwelt zu agieren. Damit verbunden ist die Erfassung von verschiedenen Informationen. Diese sind dabei grundsätzlich mit Störungen behaftet. Unter der Annahme, dass die Unbestimmtheiten sicher begrenzt sind, können die interessierenden Schätzgrößen als Mengen modelliert werden. In dieser Arbeit wird ein mengenbasiertes Navigationskonzept vorgestellt, das die gegebenen Informationen sicher und zielführend verarbeiten kann. Um die notwendige hohe Genauigkeit bei der Lageberechnung der Plattform zu erreichen, werden möglichst vielfältige Informationen unterschiedlichster Quellen gesammelt und fusioniert, so dass ein insgesamt präziseres Schätzgebiet entsteht. Diese Verschmelzung der Informationen wird mengenbasierte Multifusion genannt. Das Prinzip der Multifusion lässt sich auch auf die Bewegungsführung übertragen. Bei dieser werden verschiedene Informationen verknüpft, um einen zielgerichteten und kollisionsfreien Pfad durch eine Umgebung mit unbekannten statischen und dynamischen Hindernissen zu berechnen. Die Verifikation der vorgestellten mengenbasierten Algorithmen erfolgt mit realen und simulierten Experimenten.