Thesis - RWTH Aachen University
Thesis - RWTH Aachen University
Thesis - RWTH Aachen University
Erfolgreiche ePaper selbst erstellen
Machen Sie aus Ihren PDF Publikationen ein blätterbares Flipbook mit unserer einzigartigen Google optimierten e-Paper Software.
x ABBILDUNGSVERZEICHNIS<br />
2.20 Gruppierung der Planungsansätze . . . . . . . . . . . . . . . . . . . . . . . . . . . 35<br />
2.21 Aufbau des Plangraphes über backward-chaining. . . . . . . . . . . . . . . . . . . . 36<br />
2.22 Wegnetzmethoden und Dekompositionsverfahren. . . . . . . . . . . . . . . . . . . . 39<br />
2.23 Subgoal Graphs (Probabilistic Roadmap) und Potentialfelder. . . . . . . . . . . . . 41<br />
2.24 Die erweiterte drei-Ebenen Architektur des mobilen Manipulators . . . . . . . . . . 47<br />
3.1 Beispiel einer Szene und entsprechender Szenengraph. . . . . . . . . . . . . . . . . 53<br />
3.2 Realer Roboter und Ansicht von der Greifer- und der Bordkamera. . . . . . . . . . . 54<br />
3.3 Modell des Roboters und Ansicht von den virtuellen Greifer- und Bordkameras. . . . 54<br />
3.4 Ablauf des Abgleiches der realen mit den virtuellen Aufnahmen. . . . . . . . . . . . 55<br />
3.5 Lochkameramodell und entsprechende Koordinatensysteme. . . . . . . . . . . . . . 56<br />
3.6 Aufnahme vor und nach der Entfernung der Linsenverzerrungen. . . . . . . . . . . . 58<br />
3.7 Transformation der realen Aufnahme in eine Aufnahme der virtuellen Kamera. . . . 59<br />
3.8 Koordinatensysteme beim mobilen Manipulator in der virtuellen Umgebung. . . . . 60<br />
3.9 Aufnahme vor und nach der Farb- und Leuchtdichtenormalisierung. . . . . . . . . . 61<br />
3.10 Aufnahme vor und nach Anwendung des SUSAN Noise Filtering Algorithmus. . . . 63<br />
3.11 Verlauf beim Lernen mit Lehrer. . . . . . . . . . . . . . . . . . . . . . . . . . . . . 64<br />
3.12 Reinforcement Learning nach Arkin [Ark98]. . . . . . . . . . . . . . . . . . . . . . 67<br />
3.13 Modifiziertes einschaliges kreisförmiges Hyperboloid. . . . . . . . . . . . . . . . . 67<br />
3.14 Generierte Pfade aus dem Schnitt einer 3D-Fläche mit einer Ebene. . . . . . . . . . . 68<br />
3.15 Pfade, wenn der Manipulator das Objekt von oben greift. . . . . . . . . . . . . . . . 69<br />
3.16 Koordinatensysteme bei der erwünschten Zielposition des Greifers am Objekt. . . . . 69<br />
3.17 Flussdiagramm des stochastischen Teach-Ins. . . . . . . . . . . . . . . . . . . . . . 72<br />
4.1 Komponenten eines Verhaltens. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 74<br />
4.2 Ablauf der bildgestützten Zielführung. . . . . . . . . . . . . . . . . . . . . . . . . . 75<br />
4.3 Bestandteile der beiden Merkmalsvektoren �sA und �sP . . . . . . . . . . . . . . . . . 76<br />
4.4 Auswahl des nächsten Pfades abhängig vom relativen Winkel zur Zielposition. . . . . 77<br />
4.5 Trainierte Abstandsregionen und Pfade. . . . . . . . . . . . . . . . . . . . . . . . . 78<br />
4.6 Sicht während des Trainings und der Evaluierung der Zielführung in der virtuellen<br />
Umgebung. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 80<br />
4.7 Allgemeiner Ablauf der hindernisvermeidenden Verhalten. . . . . . . . . . . . . . . 83<br />
4.8 Ablauf der Bildverarbeitung bei der Hindernisvermeidung. . . . . . . . . . . . . . . 84<br />
4.9 Recursive Line Fitting Algorithmus zum Filtern der Eckpunkte. . . . . . . . . . . . . 84