Kurz, Andreas (2023)
Building Maps Based on a Learned Classification of Ultrasonic Range Data.
In: IFAC Proceedings Volumes, 1993, 26 (1)
doi: 10.26083/tuprints-00023360
Artikel, Zweitveröffentlichung, Verlagsversion
Kurzbeschreibung (Abstract)
This paper introduces an approach for learning environmental maps based on ultrasonic range data. A neural network concept (self-organizing feature map) is used to learn a classification of the range data which makes it possible to discern situations. As a consequence the free-apace is partitioned into situation areas which are defined as regions wherein a specific situation can be recognized. Using dead-reckoning such situation areas can be attached to graph nodes generating a map of the free-space in the form of a graph representation. In this context it is discussed how the dead-reckoning drift can be compensated.
| Typ des Eintrags: | Artikel |
|---|---|
| Erschienen: | 2023 |
| Autor(en): | Kurz, Andreas |
| Art des Eintrags: | Zweitveröffentlichung |
| Titel: | Building Maps Based on a Learned Classification of Ultrasonic Range Data |
| Sprache: | Englisch |
| Publikationsjahr: | 2023 |
| Ort: | Darmstadt |
| Publikationsdatum der Erstveröffentlichung: | 1993 |
| Verlag: | IFAC - International Federation of Automatic Control |
| Titel der Zeitschrift, Zeitung oder Schriftenreihe: | IFAC Proceedings Volumes |
| Jahrgang/Volume einer Zeitschrift: | 26 |
| (Heft-)Nummer: | 1 |
| DOI: | 10.26083/tuprints-00023360 |
| URL / URN: | https://tuprints.ulb.tu-darmstadt.de/23360 |
| Zugehörige Links: | |
| Herkunft: | Zweitveröffentlichungsservice |
| Kurzbeschreibung (Abstract): | This paper introduces an approach for learning environmental maps based on ultrasonic range data. A neural network concept (self-organizing feature map) is used to learn a classification of the range data which makes it possible to discern situations. As a consequence the free-apace is partitioned into situation areas which are defined as regions wherein a specific situation can be recognized. Using dead-reckoning such situation areas can be attached to graph nodes generating a map of the free-space in the form of a graph representation. In this context it is discussed how the dead-reckoning drift can be compensated. |
| Freie Schlagworte: | Classification, data reduction, learning systems, navigation, neural nets, pattern recognition, ultrasonic transducers, vehicles |
| Status: | Verlagsversion |
| URN: | urn:nbn:de:tuda-tuprints-233605 |
| Zusätzliche Informationen: | Zugl. Konferenzveröffentlichung: 1st IFAC International Workshop on Intelligent Autonomous Vehicles (IAV-93), 18.-21.04.1993, Southampton, England |
| Sachgruppe der Dewey Dezimalklassifikatin (DDC): | 600 Technik, Medizin, angewandte Wissenschaften > 620 Ingenieurwissenschaften und Maschinenbau |
| Fachbereich(e)/-gebiet(e): | 18 Fachbereich Elektrotechnik und Informationstechnik 18 Fachbereich Elektrotechnik und Informationstechnik > Institut für Automatisierungstechnik und Mechatronik 18 Fachbereich Elektrotechnik und Informationstechnik > Institut für Automatisierungstechnik und Mechatronik > Regelungsmethoden und Intelligente Systeme |
| Hinterlegungsdatum: | 10 Mär 2023 10:17 |
| Letzte Änderung: | 14 Mär 2023 12:58 |
| PPN: | |
| Zugehörige Links: | |
| Export: | |
| Suche nach Titel in: | TUfind oder in Google |
 |
Frage zum Eintrag |
Optionen (nur für Redakteure)
 |
Redaktionelle Details anzeigen |
Drucken
Impressum