TY  - CHAP
U1  - Konferenzveröffentlichung
A1  - Hensel, Stefan
A1  - Marinov, Marin B.
A1  - Kupitz, Christopher
A1  - Trendafilov, Dimitre
T1  - Evaluation of Kalman Filter Configurations for Robot Localization Using Sensor Data Fusion
T2  - Engineering 4.0 and the Internet of Everything : Proceedings of the 12th FDIBA Conference
T2  - Engineering 4.0 und das Internet of Everything : Tagungsband der 12. FDIBA Konferenz
N2  - In dieser Arbeit werden drei verschiedene Konfigurationen der von Tom Moore, für das Robot Operating System, entwickelte Kalman-Filter vorgestellt. Diese bilden die Grundlage für eine Lokalisierung mittels Sensorfusion in dem verwendeten ROS-Framework. Ziel dieser Arbeit ist der Aufbau und die Verifikation einer Lokalisierung für ein mobiles Robotersystem Husky A200 der Firma Clearpath Robotics. Hierzu wurden die Möglichkeiten des bestehenden Systems untersucht und mehrere Versionen von Lokalisierungsfiltern konfiguriert. Am an Ende, wird eine Verifikation der Ergebnisse in verschiedenen Szenarien gegeneinandergestellt. Hierzu werden die Ergebnisse einer Variante des Extended Kalman-Filters in 2D (EKF2D), eine Variante des Unscented Kalman-Filter in 2D (UKF2D) und eine Variante des Extended Kalman-Filters in 3D (EKF3D) verifiziert und verglichen. Die Untersuchungen ergaben das der EKF2D die besten und robustesten Ergebnisse für eine Lokalisierung erbringt, trotz, im Vergleich zu der UKF2D Variante, 17,3 % höhere Endpositionsabweichung aufweist. Die in diesem Projekt gewählte EKF3D Konfigurationsvariante eignet sich, wegen seinen starken Ungenauigkeiten in der Höhenbestimmung nicht für eine aussagekräftige Positionsbestimmung.
N2  - In this work, three different configurations of the Kalman filter developed by Tom Moore for the Robot Operating System are presented. These form the basis for localization using sensor fusion in the ROS framework used. The aim of this work is the construction and verification of localization for a mobile robot system Husky A200 from Clearpath Robotics. For this purpose, the possibilities of the existing system were examined, and several versions of localization filters were configured. In the end, a verification of the results in different scenarios is compared. For this purpose, the results of a variant of the Extended Kalman filter in 2D (EKF2D), a variant of the Unscented Kalman filter in 2D (UKF2D), and a variant of the Extended Kalman filter in 3D (EKF3D) are verified and compared. The investigations showed that the EKF2D provides the best and most robust results for localization, despite having a 17.3% higher end position deviation compared to the UKF2D variant. The EKF3D configuration variant selected in this project is not suitable for a meaningful position determination due to its strong inaccuracies in height determination.
KW  - Kalman Filter
KW  - EKF-SLAM
Y1  - 2023
UR  - http://conference.fdiba.tu-sofia.bg/wp-content/uploads/2023/06/Stefan-Hensel__Marin-Marinov__Christopher-Kupitz__Dimitre-Trendafilov.pdf
SN  - 2535-1338 (Online)
SS  - 2535-1338 (Online)
SN  - 2535-132X (Print)
SS  - 2535-132X (Print)
VL  - 6
SP  - 95
EP  - 101
PB  - TU–Sofia Publishing House
CY  - Sofia
ER  -