Für die Navigation von Fahrzeugen wird häufig das satellitengestützte Global Positioning System (GPS) eingesetzt. Da der Satellitenempfang innerhalb von Gebäuden oftmals eingeschränkt ist, eignet sich GPS in der Regel nur für die Outdoor-Lokalisierung. Eine sehr populäre Technologie, die neben der primären drahtlosen Identifizierung von Objekten auch für die Indoor-Lokalisierung eingesetzt werden kann, ist die Radio Frequency Identification (RFID). In dieser Bachelorarbeit wird basierend auf einem RFID-System, das aus einem Reader und preiswerten Tags besteht, eine zweidimensionale Indoor-Lokalisierung implementiert und evaluiert.
In der Logistik-Branche sind insbesondere bei der Verladung von Stückgut das Volumen und die Stellfläche von Frachtstücken auf Ladeeinheiten zentrale Kostentreiber. In einem Vorgängerprojekt wurde eine automatisierte Vermessungsstation entwickelt, die es erlaubt, darin abgestellte Objekte mithilfe von RGBD Kameras zu erfassen und die orientierte Bounding Box zu ermitteln. Darauf aufbauend soll eine Lösung erarbeitet werden, die mit Hilfe von Online-Rekonstruktionsverfahren die Vermessung bewegter Objekte bei der Durchfahrt durch ein Tor, zum Beispiel mit einem Gabelstapler, ermöglicht ohne den Verladeprozess zu unterbrechen.
Das SEMAP-Framework liefert die Möglichkeit eine semantische Karte von statischen Objekten in einer Datenbank abzuspeichern. Im Laufe der Arbeit soll dieses Framework um artikulierte Objekte dahingehend erweitert werden, dass es möglich wird dynamische Objekte abzuspeichern. Diese Art von Objekten wird durch eine Menge von Objektteilen definiert, welche Modelle der realen Welt repräsentieren und über verschiedene Verbindungsstücke zusammengehalten werden. Während hierzu zunächst das Datenbankschema erweitert wird, sollen im folgenden Schritt der Arbeit verschiedene Interfaces für das SEMAP-Framework implementiert werden.
Mit dem Las Vegas Reconstruction Toolkit der Universität Osnabrück, lassen sich aus 3D Punktwolken Polygonnetzte erzeugen. Problematisch wird es aber, wenn besonders große Punktwolken zu Polygonnetzten umgewandelt werden sollen, da das Verfahren sehr rechenintensiv und daher mit zunehmender Anzahl an Punkten sehr zeitaufwendig ist. Ziel der Arbeit ist es, das Las Vegas Reconstruction Toolkit dahingehen zu erweitern, sodass besonders große Punktwolken auf Computerclustern verarbeitet werden können. Insbesondere soll dies auf dem Cluster des Fachbereichs Physik getestet werden.
Oftmals weisen von Robotern aufgenommene Punktwolken Löcher auf, da viele Aspekte eine klare Aufnahme der Umgebung erschweren. Doch gerade im Innern eines Gebäudes können Löcher in aus Punktwolken generierten Meshes meist sinnvoll interpretiert werden, insbesondere dann, wenn sie in einer bestimmten Ebene liegen. Dazu ist es hilfreich, die Grobgeometrien eines Raumes zu klassifizieren um dann über die semantischen Label wie z.B. Fußboden, Decke, Wand oder auch Türen und Fenster zu interpolieren und diese Löcher im Mesh zu entfernen.
Robots operating in rough terrain are necessary for many different tasks, including any kind of outdoor operation (e.g. rescue operations, exploration of terrestrial and non-terrestrial unknown environments and object delivery). In my thesis, I work with an off-road enabled Volksbot XT platform, equipped with a 3D scanner and an inertial measurement unit (IMU) to map rough terrains. Based on 3D point clouds and ICP methods a global map will be created.
3D-Polygonnetzstrukturen sind in der Robotik ein bewährtes Mittel, um ausgehend von Sensordaten die geometrische Beschaffenheit der Umgebung zu interpretieren. Diese können durch Farbinformationen mit Texturen versehen werden. Diese Texturen können einem Roboter helfen, seine Umgebung besser wahrzunehmen. Das Ziel der Bachelorarbeit ist es, aus dem Kinect-Fusion Algorithmus gegebene 3D-Polygon-Darstellungen, in Echtzeit, um Texturen zu erweitern. Weitere Nutzen dieses Projekts sind unter anderem Computerspielumgebungen zu erzeugen, realistische Umgebungsmodelle für Gebäudepläne zu erschaffen und texturierte Modelle der Umgebung zu erstellen, die der Objekterkennung helfen.