Global ETD Search

1	Steuerung von fahrerlosen Transportsystemen : Regelwerk zum rechnergestützten Entwurf / Meinberg, Uwe. January 1989 (has links) (PDF) Univ., Diss.--Dortmund, 1989. Fahrerloses Transportsystem
2	Entwicklung eines agentenbasierten Steuerungssystems zur Materialflussorganisation im wandelbaren Produktionsumfeld Wolf, Wolfgang January 2009 (has links) Zugl.: Erlangen, Nürnberg, Univ., Diss., 2009
3	Robuste Lokalisierung von autonomen Fahrzeugen mittels Landmarken Grünwedel, Sebastian 22 September 2009 (has links) (PDF) Die Fahrzeuglokalisierung ist im Bereich der Fahrerassistenzsysteme von entscheidender Bedeutung und Voraussetzung fur verschiedene Anwendungen der Robotik, wie z.B. Navigation oder Kollisionsvermeidung fur fahrerlose Transportsysteme (FTS). In dieser Arbeit wird ein Verfahren zur Lokalisierung mittels Landmarken vorgestellt, die eine Orientierung bezuglich einer Karte ermoglichen. Dabei werden der Erweiterte- Kalman-Filter und der Partikel-Filter fur diese Aufgabe untersucht und verglichen. Ein Schwerpunkt dieser Betrachtungen stellt dabei der Partikel-Filter dar. Die besondere Problematik der Initialisierung wird ausfuhrlich fur beide Filter dargestellt. Simulationen und Versuche zeigen, dass sich der Partikel-Filter fur eine robuste Lokalisierung der Fahrzeugposition verwenden lasst. Im Vergleich dazu kann der Erweiterte-Kalman-Filter nur im begrenzten Maße eingesetzt werden. / The localization of vehicles is of vital importance in the field of driver assistance systems and a requirement of different applications for robotics, i.e. navigation or collision avoidance for automatic guided vehicle systems. In this thesis an approach for localization by means of landmarks is introduced, which enables an orientation regarding a map. The extended Kalman filter and the particle filter are analyzed and compared. The main focus for this consideration is on the particle filter. The problematic for initialization is discussed in detail for both filters. Simulations and tests prove that the particle filter is suitable for robust localization of the vehicle position. Compared to this, the extended Kalman filter can only be used to a certain extend. Automatic Guided Vehicle System Erweiterter Kalmanfilter Extended Kalman filter FTS Fahrerloses Transportsystem Initialisierung Initialization Kalman filter Kalmanfilter Landmark Localisation Lokalisierung Particle filter Partikelfilter Tracking ddc:000 ddc:600 Filter <Stochastik> Lokalisation Objektverfolgung
4	Robuste Lokalisierung von autonomen Fahrzeugen mittels Landmarken Grünwedel, Sebastian 07 February 2008 (has links) Die Fahrzeuglokalisierung ist im Bereich der Fahrerassistenzsysteme von entscheidender Bedeutung und Voraussetzung fur verschiedene Anwendungen der Robotik, wie z.B. Navigation oder Kollisionsvermeidung fur fahrerlose Transportsysteme (FTS). In dieser Arbeit wird ein Verfahren zur Lokalisierung mittels Landmarken vorgestellt, die eine Orientierung bezuglich einer Karte ermoglichen. Dabei werden der Erweiterte- Kalman-Filter und der Partikel-Filter fur diese Aufgabe untersucht und verglichen. Ein Schwerpunkt dieser Betrachtungen stellt dabei der Partikel-Filter dar. Die besondere Problematik der Initialisierung wird ausfuhrlich fur beide Filter dargestellt. Simulationen und Versuche zeigen, dass sich der Partikel-Filter fur eine robuste Lokalisierung der Fahrzeugposition verwenden lasst. Im Vergleich dazu kann der Erweiterte-Kalman-Filter nur im begrenzten Maße eingesetzt werden. / The localization of vehicles is of vital importance in the field of driver assistance systems and a requirement of different applications for robotics, i.e. navigation or collision avoidance for automatic guided vehicle systems. In this thesis an approach for localization by means of landmarks is introduced, which enables an orientation regarding a map. The extended Kalman filter and the particle filter are analyzed and compared. The main focus for this consideration is on the particle filter. The problematic for initialization is discussed in detail for both filters. Simulations and tests prove that the particle filter is suitable for robust localization of the vehicle position. Compared to this, the extended Kalman filter can only be used to a certain extend. info:eu-repo/classification/ddc/000 ddc:000 info:eu-repo/classification/ddc/600 ddc:600 Filter <Stochastik> Lokalisation Objektverfolgung Automatic Guided Vehicle System Erweiterter Kalmanfilter Extended Kalman filter FTS Fahrerloses Transportsystem Initialisierung Initialization Kalman filter Kalmanfilter Landmark Localisation Lokalisierung Particle filter Partikelfilter Tracking

1

Page generated in 0.0917 seconds