Intern
    Lehrstuhl für Informatik VII - Robotik und Telematik

    2017

    • Oldenburgische Volkszeitung, 10.05.2017
      Hightech trifft auf Altertum - Messe beim Archäologie-Dienstleister denkmal3D (article)
    • Produktion, 05.04.2017
      3D-Scans erleichtern Modellumstellung in der Automobilfertigung (article)
    • Mainpost, 01.04.2017
      Damit in der Autofabrik nichts kollidiert (article)

    2016

    • Mainpost, 19.03.2016
      Selbstfahrendes Auto aus Würzburg im Finale (article)
    • 19.01.2016
      Spacemaster starten bei Autonomous Driving Cup (press release)

    2015

    2014

    • Radio Gong - Würzburg 2014.

    • 2013

    • Weserkurier, November 18, 2012.

    • G/Geschichte, December 12/12.

    • Deutschlandradio Kultur, October 24, 2012.

    • Weserkurier, September 11, 2012.

    • Der Bausachverständige, August 2012.

    • Several new papers report about our robot Irma3D, February 2012. (See press release (German version) and press coverage).
      In einer aktuellen Studie haben Forscher der Jacobs
    University jetzt ein hochpräzises thermografisches 3D-Modell
    der Bremer Innenstadt erstellt. Damit setzten sie das an der
    Universität entwickelte ThermalMapper-Verfahren zur
    thermografischen 3D-Modellierung von Innenräumen erstmals zur
    Analyse von Wärmeverteilung und Wärmeflüssen in einem größeren
    Freilandareal ein. Zielsetzung von ThermalMapper ist es,
    sogenannte Wärmebrücken, die einen Wärmeverlust an die
    Außenwelt verursachen, zu identifizieren, damit über geeignete
    Dämmmaßnahmen die Energieeffizienz von Gebäuden verbessert
    werden kann.

    • FOCUS Online, Hochpräzises Modell: Thermografischer 3D-Rundgang durch Bremens Innenstadt, February 7, 2012

      (local copy, 16MB)

    • buten un binnen, February 3, 2012

      (local copy, 144MB)

    2008

    • Spektrum der Informatik, April 2008.
      Das Titelbild zeigt drei Ansichten des Martkplatzes der
oesterreichischen Stadt Horn als 3D-Punktwolke. Zu sehen ist, wie
mehrere 3D-Scans, die von unterschiedlichen, nicht genau bekannten
Positionen aufgenommen wurden, zu einem konsistenten Geometriemodell
zusammengesetzt werden.  Die dazu notwendigen Algorithmen loesen das so
genannte SLAM-Problem. SLAM (Simultaneous Localization And Mapping,
Deutsch: das Problem der gleichzeitigen Lokalisation undKartierung)
ist eine Technik, die autonome Roboter verwendet, um eine Karte ihrer
Umgebung zu erstellen.Dies ist nicht trivial, da in
diesemhochdimensionalen Schaetzsystem die Ungenauigkeiten verschiedener
Sensoren integriert werdenmuessen. Die Loesung des SLAM-Problems ist
eine wesentlicheVoraussetzung, dass Roboter ,,wahre Autonomie
erreichen koennen.  Die aktuelle Forschung hat probabilistische
Algorithmen zur Loesung des SLAM-Problems entwickelt, Ungenauigkeiten
in den Messdaten werden dabei durch Wahrscheinlichkeitsverteilungen
explizit modelliert. Allen SLAM-Algorithmen ist gemein, dass die
verrauschten Sensordaten eines Roboter so zusammengefuegt werden, dass
ein konsistentes Umgebungsmodel entsteht. Die Roboterpose
(Roboterposition und Orientierung), beispielsweise durch
Radumdrehungen geschaetzt, ist nur sehr ungenau bekannt, die anderen
Sensordaten muessen daher diese Schaetzung korrigieren. Diese anderen
Sensordaten koennen zum Beispiel Kameras, taktile Sensoren oder
Entfernungsmessgeraete, wie zum Beispiel Sonar und Laserscanner,
sein. Diese unterliegen aber ebenfalls Messfehlern. Da die Messfehler
in der Robotik statistisch abhaengig sind, kann man nicht einfach ueber
viele Messungen mitteln und hoffen, dass sich das Rauschen
minimiert. Die Loesung des Problems liegt bei den so genannten
geschlossenen Kreisen. Detektiert ein Roboter, dass er eine Position
erreicht hat, an der er schon einmal war, kann diesesWissen dazu
verwendet werden, die entstandenen Mess- und Schaetzfehler zu
beschraenken.  Auf dem Titel sind Ergebnisse aus drei Teilschritten
eines neuen Algorithmus zur Loesung des SLAM Problems abgebildet.
Hierbei werden die Posen mit sechs Freiheitsgraden repaesentiert, so
dass auch Umgebungen im Freien kartiert werden koennen.  Die oben
abgebildete, anfaengliche Schaetzung der Pose wird inkrementell
verbessert, bis schliesslichich der Fehler minimal wird (unten).  Der
linke Teil der Abbildung stellt die Szene in einer Ansicht aus der
Vogelperspektive dar. Der mittlere und rechte Teil zeigen zwei
Detailansichten.  Weitere Informationen und Animationen finden sich in
Dorit Borrmann, Jan Elseberg, Kai Lingemann, Andreas Nuechter und
Joachim Hertzberg. Globally consistent 3D mapping with scan
matching. Journal of Robotics and Autonomous Systems, 2008, bzw. auf
der Webseite http://www.informatik.uniosnabrueck.
de/nuechter/videos.html Eine Einfuehrung in das SLAMProblem findet sich
in: Sebastian Thrun. Robotic Mapping: A Survey.  In: Exploring
Artificial Intelligence in theNew Millennium. Gerhard Lakemeyer,
Bernhard Nebel (Editor), Seite 1 -- 35, 2003.  Die Daten
wurden freundlicherweise zur Verfuegung gestellt von RIEGL LMS GmbH
(www.riegl.co.at).
      local copy cover picture [JPG], local text [JPG], local text [PDF], Springer link [PDF]

    2007

    2006

    2005

    2004

    • Heise Ticker, Summer 2004.

    2003

    Kontakt

    Lehrstuhl für Informatik VII (Robotik und Telematik)
    Am Hubland
    97074 Würzburg

    Tel.: +49 931 31-86678
    Fax: +49 931 31-86679
    E-Mail

    Suche Ansprechpartner

    Hubland Süd, Geb. M2