Thesis - RWTH Aachen University

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