Login
Registrieren
Passwort zurücksetzen
Veröffentlichen & Verteilen
Verlagslösungen
Vertriebslösungen
Themen
Allgemein
Altertumswissenschaften
Architektur und Design
Bibliotheks- und Informationswissenschaft, Buchwissenschaft
Biologie
Chemie
Geowissenschaften
Geschichte
Industrielle Chemie
Informatik
Jüdische Studien
Kulturwissenschaften
Kunst
Linguistik und Semiotik
Literaturwissenschaft
Materialwissenschaft
Mathematik
Medizin
Musik
Pharmazie
Philosophie
Physik
Rechtswissenschaften
Sozialwissenschaften
Sport und Freizeit
Technik
Theologie und Religion
Wirtschaftswissenschaften
Veröffentlichungen
Zeitschriften
Bücher
Konferenzberichte
Verlage
Blog
Kontakt
Suche
EUR
USD
GBP
Deutsch
English
Deutsch
Polski
Español
Français
Italiano
Warenkorb
Home
Zeitschriften
Die Bodenkultur: Journal of Land Management, Food and Environment
Band 72 (2021): Heft 3 (September 2021)
Uneingeschränkter Zugang
Localization accuracy of a robot platform using indoor positioning methods in a realistic outdoor setting
Georg Supper
Georg Supper
,
Norbert Barta
Norbert Barta
,
Andreas Gronauer
Andreas Gronauer
und
Viktoria Motsch
Viktoria Motsch
| 23. Juni 2022
Die Bodenkultur: Journal of Land Management, Food and Environment
Band 72 (2021): Heft 3 (September 2021)
Über diesen Artikel
Vorheriger Artikel
Nächster Artikel
Zusammenfassung
Artikel
Figuren und Tabellen
Referenzen
Autoren
Artikel in dieser Ausgabe
Vorschau
PDF
Zitieren
Teilen
Online veröffentlicht:
23. Juni 2022
Seitenbereich:
133 - 139
Eingereicht:
22. Sept. 2021
Akzeptiert:
18. Nov. 2021
DOI:
https://doi.org/10.2478/boku-2021-0014
Schlüsselwörter
Robotics
,
automation
,
Monte Carlo localization
,
precision agriculture
,
sensor technology
© 2021 Georg Supper et al., published by Sciendo
This work is licensed under the Creative Commons Attribution-NonCommercial-NoDerivatives 3.0 License.
Figure 1
Experimental setup. (a) Picture of the field robot “Mathilda.” (b) Picture of the outdoor laboratory. (c) Map of the outdoor laboratory generated using a laser scanner and the ROS “gmapping” node with the starting area (yellow), the commonly used paths (blue), and target positions (green), as well as the Vicon Vantage V5 (red) camera positions indicated. ROS, robot operating systemAbbildung 1. Versuchsaufbau. a) Bild des Feldroboters “Mathilda”. b) Bild des Freilandlabors. c) Mit einem Laserscanner und dem ROS “gmapping”-Knoten erstellte Karte des Freilandlabors mit Angabe des Startbereichs (gelb), der gemeinsamen Wege (blau) und Zielpositionen (grün) sowie der Kamerapositionen der Vicon Vantage V5 (rot).
Figure 2
Boxplot of the deviation of the actual position to the target position. (a) Distance error in x-direction, (b) distance error in y-direction, (c) absolute distance error d, and (d) angular error ΔΨ for the two positions and the positions pooled together. Green lines indicate hysteresis threshold. Data are from 11 and 10 successful runs for position 1 and 2, respectively.Abbildung 2. Boxplot der Abweichung der Ist-Position von der Soll-Position. a) Abstandsfehler in x-Richtung, b) Abstandsfehler in y-Richtung, c) absoluter Abstandsfehler d und d) Winkelfehler ΔΨ für die beiden Positionen und die zusammengefassten Positionen. Grüne Linien zeigen die Hysterese. Die Daten stammen aus 11 bzw. 10 erfolgreichen Läufen für Position 1 bzw. 2.